Maestría en Inteligencia Artificial

El módulo se centra en aspectos fundamentales de la inteligencia artificial (IA), específicamente en la resolución de problemas, el razonamiento automático y la planificación. Se establece el marco general de la IA, conceptos básicos, definiciones y el alcance de la IA, y se cubren aspectos históricos y la evolución de la inteligencia artificial, destacando su impacto en la sociedad y las aplicaciones prácticas en diversos sectores. También se explora la resolución de problemas como competencia central en inteligencia artificial, se introduce al razonamiento automático y a la planificación, se exploran las representaciones estructurales del conocimiento, y se introducen modelos y técnicas para el razonamiento automático y paradigmas para el razonamiento impreciso y con incertidumbre.

La asignatura se enfoca en el uso de Python y plataformas de Cloud Computing para desarrollar habilidades en ciencia de datos. Los estudiantes aprenderán programación avanzada con orientación a la ciencia de datos en Python, explorar librerías clave como NumPy y Pandas, y utilizarán entornos en la nube (AWS) para gestionar grandes conjuntos de datos.

El módulo aborda los conceptos fundamentales de Minería de Datos, incluyendo técnicas de limpieza y preparación para análisis inteligente. Se centra en técnicas de indexación eficientes y estructuras avanzadas para gestionar grandes volúmenes de datos. Además, cubre la preparación de datos para visualización de baja latencia y la creación de dashboards integrando múltiples fuentes de información.

El módulo abarca tres principales paradigmas:

• Supervisado: se revisarán las técnicas y mecanismos para entrenar modelos con datos etiquetados, permitiendo hacer predicciones o clasificaciones.
• No Supervisado: donde se emplearán técnicas para tratar datos no etiquetados con los que descubrir patrones y estructuras inherentemente presentes en los conjuntos de datos.
• Profundo (Deep Learning): utilizando redes neuronales profundas se utilizarán técnicas para aprender representaciones complejas y realizar tareas avanzadas de IA como reconocimiento de imágenes o procesamiento del lenguaje natural.

También se revisarán mecanismos de aprendizaje avanzado, como el aprendizaje por refuerzo, por transferencia, y aprendizaje generativo

El módulo revisará diversas técnicas para analizar y comprender el lenguaje humano. Se revisarán técnicas que profundizarán en:

• Tokenización y Segmentación: etapa para dividir el texto en unidades más pequeñas facilitar su análisis.
• Análisis Morfológico y Sintáctico: se revisarán técnicas para analizar la estructura gramatical de las palabras y cómo se combinan para formar oraciones, lo que permite comprender la sintaxis y la morfología del lenguaje.
• Extracción de Características: se revisarán técnicas para la identificación de características importantes en el texto, como entidades nombradas, relaciones entre palabras y conceptos clave, para representar la información de manera significativa.
• Desambiguación Semántica: se aplicarán técnicas de resolución de ambigüedades en el significado de las palabras o frases, mejorando la comprensión precisa del contexto y la interpretación semántica.
• Generación de Lenguaje: se revisarán las principales y más novedosas tecnologías que se están empleando para generar de autónoma lenguaje natural de manera coherente y relevante.

El módulo se centra en capacitar a las máquinas para interpretar y comprender información visual. Se revisarán técnicas que profundizarán en:

• Reconocimiento de Objetos: se revisan técnicas para identificar y clasificar objetos en imágenes o videos, siendo esencial para aplicaciones como el reconocimiento facial, detección de objetos y análisis de escenas.
• Segmentación de Imágenes: se revisan técnicas para la división de imágenes en regiones o segmentos para un análisis más detallado. La segmentación es clave para tareas como la identificación de contornos, la separación de objetos en primer plano y fondo, y la delimitación de áreas de interés.
• Detección y Seguimiento de Movimiento: se revisan técnicas para rastrear el movimiento de objetos en el tiempo
• Reconocimiento de Patrones y Características: se revisan técnicas para reconocer patrones visuales complejos y extraer características distintivas para comprender la información visual.
• Modelos generativos de imagen. Modelos de aprendizaje auto-supervisados y autoencoders en computación visual.

• Toma de decisiones.
• Análisis de riesgos.
• Big Data e IoT.
• RPA.
• Chatbots.
• Sistemas de recomendación.

• Salud y Medicina: Diagnóstico médico, predicción de enfermedades, desarrollo de tratamientos personalizados, gestión eficiente de registros de pacientes.
• Finanzas y Banca: análisis de riesgos, detección de fraudes, asesoramiento financiero automatizado, gestión de carteras, procesamiento automático de transacciones.
• Comercio y marketing: Recomendaciones personalizadas, análisis de comportamiento del usuario, gestión de inventario, optimización de precios, atención al cliente automatizada.
• Educación: Personalización del aprendizaje, evaluación automatizada, análisis de desempeño estudiantil, asistentes virtuales para educación a distancia.
• Manufactura y Cadena de Suministro: Control de calidad automatizado, mantenimiento predictivo de maquinaria, optimización de la cadena de suministro, gestión de inventario.
• Recursos Humanos: selección de personal, análisis de currículos, gestión de talento, automatización de procesos de reclutamiento, evaluación del desempeño.
• Transporte y Logística: optimización de rutas, gestión de flotas, monitoreo de activos, planificación logística, sistemas de transporte autónomo.
• Ciberseguridad y Vigilancia: detección de amenazas, reconocimiento facial, análisis de comportamiento en tiempo real, vigilancia de perímetros, respuesta automática a eventos de seguridad.

El módulo se enfoca en comprender y comunicar las decisiones de los modelos de IA, explorando técnicas para mejorar la transparencia. Examina cuestiones éticas en el diseño y aplicación de algoritmos, considerando sesgos y responsabilidad social. Además, aborda el marco normativo que guía el desarrollo de la inteligencia artificial, destacando regulaciones y estándares éticos emergentes. Los estudiantes analizarán casos prácticos, debatirán dilemas éticos y explorarán estrategias para equilibrar la innovación tecnológica con la consideración ética y el cumplimiento de normativas.

Esta maestría es 100% online. Podrás realizar los exámenes y el TFM de forma virtual.

Directora del programa

• Laura García Cuenca
  Profesora Titular en la Universidad Europea de Madrid, adscrita a la Escuela de Arquitectura, Ingeniería y Diseño. Doctora acreditada en Ingeniería de Control y Sistemas Inteligentes, su línea de investigación se centra en el desarrollo de sistemas inteligentes aplicados a la conducción autónoma, minería de datos y aprendizaje automático.
  Con una trayectoria académica consolidada, compagina la docencia con la dirección académica del Máster de Formación Permanente en Inteligencia Artificial. Su actividad investigadora incluye numerosas publicaciones científicas en conferencias internacionales (IEEE, Electronics, Sensors) y colaboraciones con instituciones nacionales e internacionales. ​​
  Además, ha desempeñado cargos de gestión académica, liderando procesos de digitalización, calidad educativa y atención al estudiante en la Universidad Europea. ​​
  Es autora de diferentes libros formativos en inteligencia artificial aplicada a la empresa y al marketing, así como en administración de sistemas y docencia técnica.

Profesorado

• Dra. Eva Maria Andres
  Doctora en Computación Cuántica e IA por la Universidad de Granada y MBA por la Universidad Camilo José Cela. Con amplia experiencia como Senior Manager en diversas áreas de IT, liderando equipos globales en infraestructura, desarrollo e innovación. ​​
  Ha trabajado en proyectos de Deep Learning, Reinforcement Learning (RL), algoritmos evolutivos y Quantum AI. Colabora con la Universidad de Granada, centros de investigación, revistas y startups en la investigación y aplicación de Quantum en la industria.
• Dr. David Díaz Vico
  Doctor en Ingeniería Informática y de Telecomunicación, máster en Matemáticas y Aplicaciones. Máster en Ingeniería Informática y de Telecomunicación. Licenciado en Matemáticas e ingeniero en Informática por la Universidad Autónoma de Madrid.
  Data Scientist en el Instituto de Ingeniería del Conocimiento durante 8 años, Ingeniero I+D en Telefónica I+D durante 2 años y analista en Accenture Analytics durante 2 años. Profesor en distintas universidades y escuelas de negocios por más de 10 años.​​
  Especializado en Aprendizaje Automático y particularmente en Redes Neuronales, Deep Learning, Procesamiento de Lenguaje Natural y Visión Artificial, áreas a las que pertenecen la mayor parte de sus publicaciones científicas y patentes.
• Dr. Andres Soto Villaverde
  Doctor en Informática por la Universidad de Castilla La Mancha. Líneas de investigación: Inteligencia Artificial, Sistemas Multiagente, Procesamiento en Lenguaje Natural, Aprendizaje Automático, Representación del Conocimiento.​​
  Profesor de Informática en universidades de España, Estados Unidos, Alemania, Cuba, Venezuela y México. Experiencia como científico de datos en empresas comerciales de España, Bélgica, Alemania, entre otras.
• Dr. Jorge Moratalla Collado
  Doctor en Informática por la Universidad Rey Juan Carlos e Ingeniero en Informática por la Universidad Politécnica de Madrid, Jorge ha cursado diversos masters relacionados con el ámbito de la Inteligencia Artificial y el Big Data, además de poseer un MBA especializado en dirección de proyectos TIC.​
  Paraleliza su trabajo como Jefe del Área de Inteligencia Artificial y automatización en Entidad Pública empresarial Red.es con la docencia en diversas universidades españolas.
• Dr. Álvaro Manuel Rodríguez
  Ingeniero Superior Industrial (Univ. Oviedo). MBA (IUDE). Máster en Operaciones (Univ. Barcelona), Licenciado en Antropología Social y Cultural (UCAM). Master en Logística (ESADE). Doctor por la Univ. de Valencia y Doctorando por la Univ. de Oviedo. ​
  Investigador y profesor en varios Grados de Ciberseguridad, Logística, Ingeniería y en distintos Masters en Inteligencia Artificial, Big Data y nuevas tecnologías. Su investigación y publicaciones se centran en la aplicación de herramientas de IA y Machine Learning al ámbito de la salud.
• Dr. Álvaro Calle Cordón
  Amplia formación académica en materias cuantitativas y una extensa experiencia en proyectos de I+D en academia e industria. Completó un máster en física y matemáticas y un doctorado en física por la Universidad de Granada. Ha sido investigador científico y profesor en centros de investigación de prestigio en EEUU y universidades europeas. ​
  Es autor de más de 20 publicaciones científicas en revistas de revisión por pares y ponente en numerosas conferencias internacionales. Su foco de interés se centra en la implementación de soluciones analíticas avanzadas en diferentes sectores de banca e industria para las que usa técnicas de Inteligencia Artificial y Big Data.
• Dr. Wolfram Rozas
  El Dr. Rozas es un economista cuantitativo con un doctorado en tecnologías industriales. Es experto en el uso de todas las tecnologías exponenciales, Big Data y Business Analytics, Inteligencia Artificial, Cloud, Internet de las Cosas, Blockchain y Quantum Computing para alcanzar objetivos estratégicos de negocio. ​
  Tiene más de 25 años de experiencia en empresas como PWC o IBM gestionando proyectos de Business Intelligence, Business Analytics, Machine Learning, Deep Learning e implementando Sistemas Cognitivos en los sectores industriales de Finanzas, Telecomunicaciones, Distribución, Turismo y Transporte, Consumo Masivo, Energía y Servicios Públicos, Químicos y Petróleo. ​
  Ha colaborado como experto en Business Intelligence, Big Data & Business Analytics e Inteligencia Artificial en escuelas de negocios y universidades​.
• Francisco Javier Diez
  Ingeniero Electrónico, he trabajado en IBM en posiciones de Consultoría para Sector Financiero y de Seguros. ​
  Proyectos en Inteligencia Artificial para Interpretación de Lenguaje Natural y Extractado de Documentos de Siniestros de Seguros, Asistentes Virtuales y Generación automatizada de emails a clientes.
• Jorge Erice
  Amplia experiencia en diseño, implantación y soporte de redes de datos, muy amplia experiencia en el despliegue e implantación de nuevas funcionalidades y servicios, así como infraestructuras asociadas, Todo ello es fruto de muchos años de liderazgo de proyectos multinacionales de gran complejidad técnica, dirigiendo equipos con integrantes de diversos países para despliegue de redes de datos por toda Europa, Oriente Medio y África.​
  Gran experiencia en impartir cursos de tecnología y arquitecturas de redes de datos, metodología Agile, Quantum Computing, etc, a clientes y empleados de IBM.​
  Interesado en continuar en el área de networking, redes de nuevas tecnologías y soluciones de alta velocidad, así como Formación en esas áreas y otras.
• Dr. Ramón Rizo Gómez
  Doctor en Psicología. Máster en Abogacía y Máster en Protección de Datos, Transparencia y Acceso a la Información. Acreditado como Delegado de Protección de Datos (DPD) y Compliance Advanced. Ejerce como Profesor en la Escuela de Arquitectura, Ingeniería y Diseño de la Universidad Europea de Madrid, en asignaturas relacionadas con las Ciencias de la Conducta y Ciencias Jurídicas.​
  Está interesado en la investigación de la protección de los Derechos Fundamentales y la Ética en relación con los datos personales, los desarrollos de la Tecnologías de la Información y la Comunicación y la Inteligencia Artificial.
• Dr. Álvaro Brandon Hernández​
  Doctor en Inteligencia Artificial con experiencia en ciencia de datos y en el sector tecnológico. Trabaja como Senior Data Scientist en Lingokids, donde lidera el desarrollo de modelos de machine learning y análisis de datos para mejorar la experiencia educativa infantil. ​
  Ejerce como docente universitario en temas avanzados de IA y optimización computacional. Ha publicado investigaciones relevantes y participado en conferencias internacionales en el ámbito del big data y el aprendizaje automático.​