Máster en Inteligencia ArtificialMadrid

Introducción a la inteligencia artificial.

Aplicación en el entorno empresarial.

Python y R en el contexto de data science.

Principales proveedores.

Ingestión de datos.

Análisis y perfilado.

Refinamiento del dato.

Fundamentos matemáticos de la Inteligencia Artificial

Algoritmos de aprendizaje supervisado.

Algoritmos de aprendizaje no supervisado.

Deep Learning.

Creación del modelo.

Entrenamiento.

Puesta en producción.

Monitorización y aprendizaje continuo.

Procesamiento del lenguaje natural.

Reconocimiento de voz, sentimiento e imágenes.

Asistentes virtuales.

Ética en los sistemas de IA.

Detección de sesgos.

Futuro transformador de la IA.

Proyecto Fin de Máster.

Reglamento prácticas externas

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.

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

• Perfiles de negocio con experiencia profesional en tecnología que quieran experimentar de primera mano el proceso de desarrollo de un proyecto de Inteligencia Artificial.
• Perfiles técnicos que quieran adaptar sus conocimientos a la actualidad de la inteligencia artificial y conocer su uso para crear valor dentro de la empresa.

• Gabriel Marín Díaz
  Director del Máster en Inteligencia Artificial. Licenciado en Ciencias Físicas, especializado en Cálculo Automático por la UCM, Máster en Estadística Aplicada (UNED), CAP Matemáticas (UCM), PhD en Data Science UCM, Profesor de la Universidad Europea de Madrid y apasionado por la docencia. Con más de 25 años de experiencia profesional en distintas compañías tecnológicas.
• Raúl Mesón Gutiérrez
  Ingeniero Técnico en informática de Gestión por la UCM. Master Big Data Analitycs por la UEM. Más de 15 años de experiencia en el sector sanitario. Actualmente integrante del departamento de Business Data Analytics-Área de Big Data en QuironSalud.
• Antonio Herrero
  Ingeniero Técnico en informática de Sistemas por la Universidad de Salamanca. Master Big Data Analitycs por la UEM. Más de 19 años de experiencia en el sector sanitario, desde implantaciones de sistemas informáticos, dirección de proyectos, apertura del Hospital Rey Juan Carlos (Móstoles).
• Diego Pérez Sastre
  Graduado en Ingeniería del Software por la Universidad Politécnica de Madrid y egresado por la UPM en el Master Universitario en Inteligencia Artificial. Ha trabajado como Data Scientist en el departamento de innovacion de BBVA (BBVA Labs) y desde hace tres años forma parte de Clarity AI, una startup de Fintech basada en USA, donde ha tenido la oportunidad de trabajar de la mano de enormes profesionales como Antonio Molins (ex Director of innovation at Netflix) o Rebeca Minguela (Young Global Leader en el World Economic Forum).
• Jaime Oliver
  Graduado en Ciencias Físicas por la UCM, máster en Ingeniería Matemática por la UCM, máster en Economía por la UC3M y candidato a PhD en Ingeniería Matemática por la UC3M. Con una amplia experiencia en la industria, actualmente trabaja como Senior Data Scientist en Clarity AI, aplicando técnicas de Machine Learning e Inteligencia Artificial a la medición de impacto y huella medioambiental de las compañías.
• David Kremer
  Físico y MSc. en Modelización Matemática y Computación Científica por la Universidad de Oxford. Actualmente trabaja como Lead Data Scientist en IBM participando en diversos proyectos de analítica y optimización
• Raúl Pérula-Martínez
  Doctor en Inteligencia Artificial aplicada a la Robótica por la Universidad Carlos III de Madrid. Cuenta con amplia experiencia en consultoría y proyectos de innovación aplicando tecnologías punteras en Asistentes Virtuales, NLP, Computer Vision y Big Data para diversos sectores. Actualmente desempeña el rol de Global Head de Inteligencia Artificial en Santander Universidades y Universia Holding.
• Teno González
  Ingeniero de Datos en IBM Global Business Services. Graduado en Ingeniería Informática con especialidad en Sistema de Información por la Universidad de La Laguna.
• Ignacio Alonso
  Ingeniero Técnico de Telecomunicaciones por la Universidad Politécnica de Madrid. Trabaja en IBM desde hace más de 10 años donde ha tomado diversos puestos técnicos: Big Data IT Specialist, NLP IT Specialist, Analytics IT Specialist. Actualmente es Chief Enterprise Architect de un cliente internacional, especializado en el sector de las Telco. Miembro de la Junta Directiva del Capítulo Español de la Asociación de Arquitectos Empresariales. Docente en Masters con tópicos como IA, NLP, Visualizaciones, Clouds públicas y privadas.
• María Borbonés
  Ingeniera Informática. Máster en Inteligencia Artificial. Trabaja en IBM desde hace más de 7 años, donde ha sido especialista técnica de tecnologías tan punteras como mobile, cloud e Inteligencia Artificial. Es cofundadora del grupo Big Girls Theory que tiene como objetivo ayudar a las mujeres a desarrollar carreras técnicas a través de formación y role models.
• Macu Cruz Gaya
  Profesora titular. Dra. en Inteligencia Artificial. Especialista en Minería de Datos y Algoritmos Evolutivos. Subdirectora de la Escuela de Arquitectura, Ingeniería y Diseño para postgrado.