Grado en Inteligencia Artificial

Plan de estudios ofertado en el curso actual

Las prácticas en empresas son un elemento clave en tu formación. Adquirir experiencia después de lo aprendido en tu titulación, es la mejor forma de entrar en el mercado laboral. Hay dos tipos de prácticas, las curriculares (incluidas en tu plan de estudios) y extracurriculares (las que puedes hacer de forma voluntaria).

Para realizar las prácticas curriculares en empresas, necesitarás tener el 50% de los créditos aprobado y matricular la asignatura antes de comenzar tus prácticas. Estas prácticas llevan un seguimiento por parte de la empresa y del profesor de prácticas, así como la realización de informes intermedios y finales para su evaluación.

Si quieres mejorar tu experiencia laboral antes de concluir tu formación universitaria, puedes hacer prácticas extracurriculares. Podrás hacerlas en cualquier curso pero te recordamos que las prácticas son un complemento formativo a tus estudios; por tanto, cuanto más conocimiento hayas adquirido a lo largo de la carrera, mayor provecho sacarás de la experiencia de prácticas.

• Desarrollo de aplicaciones y sistemas que incorporan algoritmos de IA para mejorar su funcionalidad.
• Implementación de soluciones de IA en diversos sectores industriales.

• Análisis y procesamiento de grandes volúmenes de datos para extraer información útil.
• Aplicación de técnicas de aprendizaje automático y minería de datos.

• Desarrollo y optimización de modelos de aprendizaje automático.
• Implementación de algoritmos de machine learning para resolver problemas específicos.

• Contribución al avance del conocimiento en el campo de la IA.
• Publicación de artículos científicos y participación en proyectos de investigación.

• Creación de aplicaciones que utilizan IA para mejorar la experiencia del usuario.
• Desarrollo de software que incorpora técnicas de procesamiento del lenguaje natural y visión artificial.

• Diseño y desarrollo de sistemas autónomos, como robots y vehículos autónomos.
• Implementación de algoritmos de navegación y planificación de trayectorias.

• Enfoque en el desarrollo y optimización de modelos de machine learning.
• Aplicación de técnicas avanzadas de aprendizaje supervisado y no supervisado.

• Aseguramiento de que los sistemas de IA se desarrollen y utilicen de manera ética y responsable.
• Evaluación de los impactos sociales y éticos de las tecnologías de IA.

• Diseño y planificación de la implementación de soluciones basadas en IA para diferentes industrias.
• Integración de tecnologías de IA en sistemas existentes para mejorar su eficiencia y efectividad.