Este estudo proporciona un conxunto completo de habilidades e coñecementos para desenvolver, implementar e xestionar sistemas intelixentes. Prepárao para afrontar os retos técnicos e éticos da IA e para aplicar estas tecnoloxías nunha ampla variedade de contextos profesionais, promovendo a innovación e a eficiencia nas organizacións e forma o alumno en: - Fundamentos da IA: Coñecerás os principios e teorías fundamentais da intelixencia artificial, incluíndo a historia, as principais metodoloxías e os conceptos clave. - Machine Learning: Desenvolverás habilidades en técnicas de machine learning, como regresión, clasificación, agrupación e redución da dimensionalidade, utilizando ferramentas e linguaxes de programación como Python e R. - Redes neuronais e Deep Learning: Adestrarás no deseño e implementación de redes neuronais profundas, aprendendo a construír e adestrar modelos complexos para tarefas como recoñecemento de imaxes e análise de secuencias de procesamento da linguaxe natural. - Procesamento da linguaxe natural (PNL): Adquirirás coñecementos sobre técnicas e ferramentas para a análise e xeración de linguaxe natural, aplicando modelos para tarefas como tradución automática, análise de sentimentos e chatbots. - Visión por ordenador: Aprenderás a deseñar e desenvolver sistemas de visión por ordenador, traballando problemas como a detección de obxectos, o recoñecemento facial e a interpretación de imaxes e vídeos. - Robótica e IA: Desenvolverás habilidades para aplicar a intelixencia artificial en sistemas robóticos, incluíndo navegación autónoma, manipulación de obxectos e interacción humano-robot. - Big Data e IA: Formarase na xestión de grandes volumes de datos e na aplicación de técnicas de intelixencia artificial para extraer coñecementos valiosos e tomar decisións fundamentadas. - Ética e Regulación na IA: Coñecerás as consideracións éticas e as normativas relacionadas co desenvolvemento e implantación de sistemas de intelixencia artificial, garantindo un uso responsable e sostible da tecnoloxía. - Enxeñaría de datos e preprocesamento: aprenderá a preparar e limpar datos, así como a utilizar técnicas de enxeñería de características para mellorar o rendemento dos modelos de IA. - Implementación e despregamento de modelos de IA: desenvolverá habilidades na implementación e despregamento de modelos de IA en contornos de produción, utilizando marcos e plataformas de IA como TensorFlow, PyTorch e AWS. - Investigación en IA: Formarase en metodoloxías de investigación e desenvolvemento no ámbito da intelixencia artificial, contribuíndo ao avance do coñecemento a través de proxectos e publicacións científicas. - Aplicacións de IA en varios sectores: Aprenderás a aplicar técnicas de intelixencia artificial en diferentes sectores, como sanidade, finanzas, fabricación, mercadotecnia e seguridade, identificando oportunidades para mellorar procesos e crear valor.
