Ficha del curso

II MÁSTER DE FORMACIÓN PERMANENTE EN BIG DATA E INTELIGENCIA ARTIFICIAL (81465547001-6)

NIVEL:  Másteres de Formación Permanente

CAMPO DE CONOCIMIENTO:  Ingenierías y arquitectura

Descripción:
Máster en análisis avanzado de datos en entornos Big Data con Machine Learning e Inteligencia Artificial.

Proponente:  LENGUAJES Y CIENCIAS DE LA COMPUTACIÓN
Director:  José Francisco Aldana Montes    Teléfonos:  951952922  /  
E-mail:  bigdata@lcc.uma.es

Nº plazas:  45
Precio:  6000.00 €

Preinscripción:  3000.00 €
Plazo de preinscripción:  desde   01/03/2023    hasta 01/10/2023
Fecha pago preinscripción hasta:  01/10/2023

Plazo de matrícula:  desde   01/09/2023    hasta     01/10/2023
1º plazo:  3000.00 €       Fecha:  hasta 01/10/2023       
2º plazo:  0.00 €       Fecha:  hasta 01/10/2023       

Permitido el pago por tarjeta bancaria.

Permitido el pago presencial.

Fecha de inicio de curso:  02/10/2023       Fecha de fin:  31/03/2025      
Lugar:  Edificio de Investigación Ada Byron
Horario:  Lunes, miércoles, jueves y viernes de 18:00 a 21:00
Requisitos de acceso:
Ingenieros superiores y técnicos y graduados en Informática, Telecomunicación e Industriales; licenciados y graduados en ciencias físicas y matemáticas.

Duracion y creditos ECTS
Docencia teórico-práctica en aula:  39.20 ECTS     
Docencia On-line:  20.80 ECTS     
Prácticas externas en empresas:  13.00 ECTS     
Trabajo fin de titulo:  17.00 ECTS     
Créditos europeos totales:  90.00 ECTS     
Horas de clase presencial:  392.00      
Horas de trabajo del estudiante:  2250.00     

Programa:
Módulo 1: Programación orientada a objetos con Java
Módulo 2: Big Data, Open Data y Gestión de Datos
Módulo 3: Gestión de datos en el Big Data, bases de datos NoSQL
Módulo 4: Analítica de datos y extracción de conocimiento mediante tecnicas de Inteligencia Artificial
Módulo 5: Caso de uso I: “Ingeniería y Ciencia de Datos: Procesamiento de Datos”
Módulo 6: Aprendizaje automático (Machine Learning): conceptos, metodología, algoritmos de aprendizaje para analítica descriptiva, predictiva y prescriptiva, y retos en su implementación
Módulo 7: Deep Learning con GPUs: Herramientas, aceleración y optimizaciones
Módulo 8: Procesamiento de datos escalable: Desarrollo de aplicaciones en entornos Big Data con Hadoop y Spark
Módulo 9: Visualización de datos en entornos Big Data
Módulo 10: Procesamiento de datos escalable en el contexto Big Data: Machine Learning y Streaming
Módulo 11: Inteligencia artificial aplicada al análisis de textos
Módulo 12: IoT & Real Time en entornos Big Data: La Internet de las Cosas Inteligente
Módulo 13: Big Data & Cloud Computing: Servicios de Big Data en la Nube
Módulo 14: Caso de uso II: “Ingeniería y Ciencia de Datos: Inteligencia Artificial”
Módulo 15: Laboratorio Abierto: Casos Prácticos en Ingeniería y Ciencia de Datos e Inteligencia Artificial
Módulo 16: Trabajo fin de título
Módulo 17: Prácticas externas