Máster en Inteligencia Artificial

Aprende a crear soluciones inteligentes con un enfoque práctico y actual. Dominarás Machine Learning, Procesamiento del Lenguaje Natural y sistemas inteligentes a través de casos reales que te preparan para liderar proyectos de IA desde el primer día.

• Módulo 1. Introducción al Data Science y a la Inteligencia Artificial
  Aprenderás los fundamentos de la IA y del ciclo de vida del dato: preparación, análisis y visualización. Se revisa la evolución y el marco conceptual de la inteligencia artificial y se introducen técnicas clave como razonamiento automático, planificación y principios para trabajar con grandes volúmenes de datos y herramientas habituales del ámbito.
• Módulo 2. Machine Learning
  Aprendizaje Supervisado, No supervisado y Reforzado: El módulo se centra en estudiar y aplican los principios del aprendizaje supervisado, no supervisado y por refuerzo. Se aprende a seleccionar algoritmos y herramientas según el problema, entrenar modelos con datos etiquetados/no etiquetados, evaluar su rendimiento y ajustar hiperparámetros para mejorar resultados en casos prácticos.
• Módulo 3. Redes neuronales y Deep Learning
  La asignatura se enfoca en arquitecturas y representaciones de deep learning, junto con criterios de entrenamiento, optimización y evaluación. Se trabajan técnicas de regularización y estrategias para evitar sobreajuste, y se diseñan redes neuronales profundas para tareas avanzadas de IA con enfoque práctico.
• Módulo 4. IA Generativa
  Sistemas Abiertos y Sistemas Propietarios: Se estudian los fundamentos y aplicaciones de los modelos generativos y su integración en soluciones reales. Se aprende a implementar, ajustar y evaluar sistemas de IA generativa usando tanto herramientas abiertas como plataformas propietarias, con criterios de calidad, utilidad y uso responsable.
• Módulo 5. Procesamiento del Lenguaje Natural
  Se abordarán técnicas de PLN para analizar y generar lenguaje: tokenización, segmentación, análisis sintáctico, extracción de características y tratamiento semántico. Se aplican tecnologías actuales para tareas reales (clasificación, extracción, generación, etc.), entrenando y evaluando soluciones basadas en modelos modernos.
• Módulo 6. Computer Vision
  El módulo trabaja técnicas de visión por computador para reconocimiento, segmentación y seguimiento visual, y extracción de patrones y características relevantes. Se aplican modelos de aprendizaje (incluyendo enfoques generativos en visión) para resolver problemas reales con imágenes y vídeo, con criterios de evaluación robustos.
• Módulo 7. IA en Ciberseguridad
  Se introducen los fundamentos de ciberseguridad y las principales amenazas, y cómo la IA puede apoyar la detección y respuesta. Se aplican técnicas de machine learning y redes neuronales para detección de anomalías, clasificación de amenazas y análisis de malware, con enfoque práctico y orientado a casos.
• Módulo 8. IA para la Sociedad y la Empresa
  Se analizan aplicaciones de la IA en contextos empresariales y sociales, su impacto en la toma de decisiones y en procesos organizativos, y casos de uso en sectores relevantes (p. ej., salud, finanzas, etc.). Se desarrollan criterios para seleccionar soluciones, evaluar su impacto y considerar implicaciones éticas y organizativas.
• Módulo 9. Prácticas académicas externas (optativa)
  Aplicación de conocimientos y competencias del máster en un entorno profesional real, participando en tareas y proyectos vinculados a IA. Se trabaja la adaptación a procesos de trabajo, identificación de oportunidades de mejora y desarrollo de entregables profesionales, con seguimiento académico.
• Módulo 10. Metodología de la investigación (optativa)
  Se adquieren fundamentos metodológicos para investigar en IA: planteamiento del problema, diseño, análisis y validación, y comunicación científica. Se trabajan principios éticos y de responsabilidad científica, y se desarrollan proyectos con rigor metodológico, incluyendo redacción y presentación de resultados.
• Módulo 11. Trabajo Fin de Máster
  Desarrollo de un trabajo original (individual o en equipo) donde se integra lo aprendido para construir una solución o estudio de IA con enfoque aplicado/investigador. Incluye definición del problema, metodología, implementación/validación, análisis de resultados y comunicación profesional y académica.

El Máster Universitario en Inteligencia Artificial se ha comenzado a impartir en la Universidad Europea de Valencia en el curso académico 2026/2027.

130 plazas: 30 plazas presenciales y 100 plazas en modalidad virtual.

Conocimientos

• CON01 - Describir ideas de proyecto en el ámbito de la inteligencia artificial y la ciencia de datos mediante el uso de técnicas avanzadas.
• CON02 - Reconocer la complejidad y las fases de preparación de datos, modelado y visualización de información en soluciones tecnológicas basadas en la inteligencia artificial.
• CON03 - Identificar los principales modelos de aprendizaje automático y detección de anomalías, así como su aplicación práctica en diferentes casos de uso que requieren automatización.
• CON04 - Identificar los principales modelos computacionales de procesamiento del lenguaje natural, de tratamiento de imágenes y de ciberseguridad.
• CON05 - Describir la complejidad y las fases de desarrollo de soluciones tecnológicas basadas en la inteligencia artificial.

Competencias

• CP01 - Analizar y descomponer los complejos fundamentos matemáticos y estadísticos de la optimización computacional.
• CP02 - Aplicar las técnicas de modelado, ingesta, almacenamiento, procesado, análisis y visualización de datos en el ámbito del Data-Mining.
• CP03 - Dominar el uso de las librerías informáticas y herramientas más comunes en el ámbito de la Inteligencia Artificial y Data Science.
• CP04 - Evaluar y seleccionar la solución basada en inteligencia artificial más acorde a un caso de uso concreto que aseguren el rigor de los resultados y el control de los errores cometidos por el sistema de inteligencia artificial.
• CP05 - Examinar e interpretar los resultados de una evaluación obtenidos de cualquier modelo predictivo o algoritmo basado en Inteligencia Artificial.
• CP06 - Aplicar técnicas de procesamiento del lenguaje natural, visión por computador y/o ciberseguridad en la resolución de problemas en el ámbito empresarial.
• CP07 - Analizar y evaluar las implicaciones legales, morales y éticas, en lo referente al uso de la Inteligencia Artificial.
• CP08 - Analizar todo el contexto asociado a problemas reales de ingeniería, identificando las posibles soluciones tecnológicas en el ámbito de la inteligencia artificial más adecuadas a la vez que se consideran los más altos estándares éticos, sociales y de respeto a la legalidad vigente.
• CP09 - Gestionar la puesta en marcha y el ciclo de vida de modelos predictivos en fase de producción de una empresa.
• CP10 - Integrar los conocimientos, habilidades y competencias adquiridas a través de la participación en proyectos reales en empresas.
• CP11 - Elaborar, exponer y defender un trabajo original de manera pública e individual ante un tribunal universitario, de aplicación industrial o iniciación a la investigación, en el área de la inteligencia artificial.
• CP12 - Mostrar comportamientos éticos y compromiso social y medioambiental en el desempeño de las actividades de una profesión, así como sensibilidad a la desigualdad y a la diversidad.

Habilidades

• HAB01 - Transmitir mensajes (ideas, conceptos, argumentos), tanto de forma oral como escrita, alineando de manera estratégica los intereses de los distintos interlocutores.
• HAB02 - Planificar las tareas aprovechando los recursos, el tiempo y las competencias de manera óptima.
• HAB03 - Interpretar de forma crítica y rigurosa los resultados científico-técnicos obtenidos al aplicar algoritmos de inteligencia artificial.
• HAB04 - Organizar el trabajo de forma independiente, favoreciendo el aprendizaje autónomo.
• HAB05 - Diseñar soluciones ingenieriles utilizando tecnologías, herramientas, dispositivos y las plataformas de inteligencia artificial más adecuadas a cada problema planteado.
• HAB06 - Desempeñar profesionalmente las capacidades desarrolladas en proyectos complejos de inteligencia artificial, trabajando en equipo y manteniendo una interlocución adecuada y enriquecedora con colaboradores provenientes de otras disciplinas.
• HAB07 - Comunicar de forma efectiva y ejecutiva tanto el progreso de los proyectos tecnológicos como los resultados obtenidos.
• HAB08 - Utilizar las tecnologías de la información y de la comunicación para la búsqueda y análisis de datos, la investigación, la comunicación y el aprendizaje.

El Máster en Inteligencia Artificial se orienta a desarrollar las competencias necesarias para formar a expertos en enfrentar los diferentes desafíos del campo de la IA, con habilidades prácticas y una sólida comprensión de las necesidades y expectativas del sector.

Los egresados del programa estarán preparados para desempeñar roles clave en diversos sectores, incluyendo:

1. Desarrollador de IA: Capaz de diseñar, implementar y optimizar algoritmos y sistemas de inteligencia artificial para resolver problemas complejos en distintas áreas como el procesamiento del lenguaje natural, la visión por computador, y el aprendizaje automático.
2. Científico de Datos: Habilitado para analizar y gestionar grandes volúmenes de datos, aplicar técnicas de machine learning y big data para extraer insights significativos y desarrollar modelos predictivos.
3. Ingeniero de Machine Learning: Especializado en el desarrollo y mantenimiento de modelos de aprendizaje automático, desde la preparación de datos hasta la implementación y ajuste de algoritmos avanzados.
4. Especialista en IA en Ciberseguridad: Capaz de aplicar técnicas de inteligencia artificial para detectar, prevenir y mitigar amenazas cibernéticas, mejorando la seguridad y protección de sistemas informáticos.
5. Consultor de IA: Preparado para asesorar a organizaciones en la integración y uso estratégico de tecnologías de inteligencia artificial, ayudando a optimizar procesos y mejorar la toma de decisiones.
6. Investigador en IA: Con competencias para llevar a cabo investigaciones avanzadas en el campo de la inteligencia artificial, contribuyendo al desarrollo de nuevas técnicas y aplicaciones.
7. Gestor de Proyectos de IA: Capaz de liderar proyectos de implementación de inteligencia artificial, coordinando equipos multidisciplinarios y asegurando el cumplimiento de los objetivos del proyecto.
8. Emprendedor en Tecnología de IA: Equipado con el conocimiento y habilidades necesarias para iniciar y gestionar empresas tecnológicas centradas en soluciones de inteligencia artificial.

Estos perfiles reflejan la versatilidad y el amplio espectro de aplicaciones de la inteligencia artificial. La formación integral que proporciona el programa garantiza que los egresados no solo posean conocimientos técnicos avanzados, sino también habilidades de liderazgo, comunicación y gestión de proyectos, esenciales para el éxito en el mercado laboral actual.

El programa formativo ofrece la posibilidad al estudiante de elegir entre dos materias de 6 ECTS, Prácticas Académicas Externas o Metodología de la Investigación, que complementarán su formación especializada bien en el ámbito de la profesión o bien en el de la investigación. Las prácticas académicas externas se realizarán de manera presencial en el centro de prácticas. En el caso de que el estudiante elija la opción investigadora, previamente a su inicio, el estudiante habrá efectuado por escrito una propuesta a la dirección del máster, debidamente justificada, expresando sus intereses particulares y el trabajo académico desarrollado durante el máster hasta la fecha. Además, proporcionará su currículo personal y una carta de motivación.

Incorporación del estudiante al centro de prácticas y evaluación de su trabajo en la práctica:

Una vez que el estudiante ha recibido por escrito la notificación del sitio donde deberá realizar las prácticas, se pondrá en contacto con el tutor académico responsable de las prácticas. El tutor académico le informará de sus responsabilidades, derechos y deberes. Además, le pondrá en contacto con el profesional de la empresa o institución donde realizará su práctica, tutor externo, para que coordine de forma pormenorizada su colaboración.

Valoración del trabajo de los estudiantes:

La evaluación del trabajo de los estudiantes en las prácticas académicas externas es responsabilidad principalmente del tutor académico y del tutor externo, teniendo siempre en cuenta las observaciones y calificaciones que obtenga el estudiante en cada una de las actividades que realice en la empresa.

Previamente se habrá sugerido a la empresa que establezca un mínimo de 5 y un máximo de 8 actividades asociadas a las competencias que la empresa tenga asimiladas para sus empleados en sus planes de carrera y de valoración por objetivos.

Las actividades serán coordinadas por el tutor académico responsable de las prácticas académicas externas de la universidad que estará en coordinación con el tutor externo, responsable directo del estudiante en la empresa para la práctica profesional. El tutor académico actúa a la vez como tutor del estudiante para cualquier duda o inquietud profesional que pueda plantearse.

Tanto el tutor académico como el tutor externo serán responsables de emitir el informe de evaluación, el cual se distribuirá de la siguiente forma:

• El tutor externo de prácticas remitirá un informe al tutor académico a través de la rúbrica de evaluación.
• El tutor académico evaluará la actividad práctica del alumno de dos maneras. Por un lado, llevará a cabo la valoración de la memoria escrita y por otro, emitirá un informe a través de la rúbrica de evaluación.

La valoración de estas actividades se incluye en la ficha de la materia de Practicas Académicas Externas.

Presentación de la memoria de prácticas académicas externas:

Al finalizar las prácticas académicas externas obligatorias, cada estudiante deberá presentar una memoria donde se enumerarán todas las responsabilidades asumidas y los resultados conseguidos. Analizará su desempeño, destacando los aciertos y los posibles errores que puedan haberse cometido. Además, se deberá aportar una discusión o comentarios sobre los temas tratados y en los que cada estudiante tratará de aportar ideas innovadoras y críticas constructivas que permitan compartir conjuntamente las distintas experiencias profesionales vividas. Al final de este documento, el estudiante debe incluir las conclusiones y un comentario valorando la utilidad de la actividad, así como el trabajo de los profesionales con los cuales ha realizado las practicas.

Valoración y calificación de la memoria:

El responsable de la evaluación de la memoria de prácticas es el tutor académico a cargo de las prácticas académicas externas, para ello contará con la colaboración de profesores expertos en cada área específica

Se indican a continuación los perfiles de ingreso que van a ser considerados como adecuados en la fase de admisión.

El Máster está enfocado a estudiantes con el siguiente perfil de ingreso:

Estudiantes que provienen de titulaciones oficiales del ámbito de Ciencia de datos, Informática y Computación y afines, o Ingeniería de Telecomunicación y afines:

• Grado en Ingeniería en Informática
• Grado en Bioinformática y Datos Masivos (Big Data)
• Grado en Ingeniería Informática - Ingeniería de Computadores
• Grado en Ingeniería Informática - Sistemas de Información
• Grado en Ingeniería Informática - Tecnologías Informáticas
• Grado en Ingeniería Informática Biomédica
• Grado en Ingeniería Informática de Gestión y Sistemas de Información
• Grado en Ingeniería Informática en Computación
• Grado en Ingeniería Informática en Ingeniería de Computadores
• Grado en Ingeniería Informática en Ingeniería del Software
• Grado en Ingeniería Informática en Tecnologías de la Información
• Grado en Informática Industrial y Robótica
• Grado en Matemáticas e Informática
• Grado en Matemáticas Aplicadas a la Ingeniería de Software
• Grado en Análisis de Datos en la Empresa
• Grado en Analítica de Datos Aplicada a los Negocios
• Grado en Ciencia de Datos Aplicada
• Grado en Ciencia de Datos e Inteligencia Artificial
• Grado en Ciencia de Datos
• Grado en Ciencia e Ingeniería de Datos
• Grado en Datos y Analítica de Negocio
• Grado en Gestión Empresarial Basada en el Análisis De Datos (Business Analytics)
• Grado en Ingeniería en Matemática Aplicada al Análisis de Datos
• Grado en Ingeniería Matemática en Ciencia de Datos
• Grado en Ingeniería y Sistemas de Datos
• Grado en Inteligencia Empresarial y Análisis de Datos
• Grado en Matemática Computacional y Analítica de Datos
• Grado en Matemáticas y Ciencia de Datos
• Grado en Bioinformática
• Grado en Ciencias y Tecnologías de Telecomunicación
• Grado en Ingeniería de las Tecnologías de Telecomunicación
• Grado en Ingeniería de Redes de Telecomunicación
• Grado en Ingeniería de Sistemas Audiovisuales
• Grado en Ingeniería de Sistemas de Telecomunicación
• Grado en Ingeniería de Sistemas y Servicios de Telecomunicaciones
• Grado en Ingeniería de Tecnologías de Telecomunicación
• Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
• Grado en Ingeniería Electrónica de Telecomunicación
• Grado en Ingeniería en Sonido e Imagen en Telecomunicación
• Grado en Ingeniería Telemática en Telecomunicación
• Grado en Tecnología Digital y Multimedia

También incluye a los siguientes grupos de perfiles de ingreso siempre y cuando acrediten el siguiente nivel competencial:

• Conocimientos básicos de análisis de datos y estadística descriptiva.
• Conocimientos básicos de bases de datos y entornos de programación.
• Ser capaz de escribir, depurar, ejecutar y evaluar el funcionamiento de un programa de ordenador utilizando un lenguaje de programación conocido.
• Ser capaz de leer, analizar e interpretar correctamente el código fuente de un pequeño programa escrito por otra persona usando un lenguaje de programación conocido por el alumno.
• Ser capaz de leer pequeños fragmentos de código fuente en un lenguaje de programación no conocido e interpretar el posible funcionamiento del programa.
• Suficiente dominio del idioma inglés como para leer e interpretar correctamente manuales técnicos y poder hacer consultas en foros especializados.

Estudiantes que provienen de titulaciones oficiales del ámbito de las ingenierías de la rama industrial, ingenierías transdisciplinares y afines:

• Grado en Informática Industrial y Robótica
• Grado en Ingeniería Industrial
• Grado en Ingeniería de Diseño Industrial
• Grado en Ingeniería de Diseño Industrial y Desarrollo de Productos
• Grado en Ingeniería de las Tecnologías Industriales
• Grado en Ingeniería de Organización Industrial
• Grado en Ingeniería de Sistemas Industriales
• Grado en Ingeniería Eléctrica (Rama Industrial)
• Grado en Ingeniería Electrónica Industrial
• Grado en Ingeniería Electrónica Industrial y Automática
• Grado en Ingeniería Química Industrial
• Grado en Ingeniería Mecánica (Rama Industrial)
• Grado en Ingeniería Robótica Industrial
• Grado en Ingeniería Física
• Grado en Ingeniería Física Aplicada
• Grado en Ingeniería Física y Matemática
• Grado en Ingeniería Matemática y Física
• Grado en Ingeniería Multimedia

Estudiantes que provienen de titulaciones oficiales del ámbito de Matemáticas, Estadística, Física y afines:

• Grado en Física
• Grado en Física Computacional
• Grado en Física e Instrumentación Espacial
• Grado en Estadística
• Grado en Estadística Aplicada
• Grado en Estadística Empresarial
• Grado en Estadística y Empresa
• Grado en Matemáticas y Estadística
• Grado en Matemáticas Aplicadas
• Grado en Matemáticas Aplicadas a la Ingeniería de Software

En lo referente al acceso al Máster, se atenderá a lo establecido en el artículo 18 del RD 822/2021, por el que se establece la normativa básica de los procedimientos de acceso y admisión a las enseñanzas universitarias oficiales de Máster Universitario.

3.1.1.1. Criterios de acceso

Para el acceso al máster se exige al estudiante el requisito legal conforme a lo previsto en el art. 18.1 y 18.2 del Real Decreto 822/2021, de 28 de septiembre, por el que se establece la organización de las enseñanzas universitarias y del procedimiento de aseguramiento de su calidad:

• Estar en posesión de un título universitario oficial de graduada o graduado español o equivalente, o en su caso disponer de otro título de máster universitario, o títulos del mismo nivel que el título español de Grado o Máster expedidos por universidades e instituciones de educación superior de un país del EEES que en dicho país permita el acceso a los estudios de Máster.
• Estar en posesión de títulos procedentes de sistemas educativos que no formen parte del EEES, que equivalgan al título de grado, sin necesidad de homologación del título, pero sí de comprobación por parte de la universidad del nivel de formación que implican, siempre y cuando en el país donde se haya expedido dicho título permita acceder a estudios de nivel de postgrado universitario. En ningún caso el acceso por esta vía implicará la homologación del título previo del que disponía la persona interesada ni su reconocimiento a otros efectos que el de realizar los estudios de Máster.

Consultar