{"id":302095,"date":"2025-10-20T14:02:38","date_gmt":"2025-10-20T12:02:38","guid":{"rendered":"https:\/\/cpfp.uvigo.gal\/estudos\/titulos-propios\/id1113-3-2\/"},"modified":"2026-05-21T13:48:44","modified_gmt":"2026-05-21T11:48:44","slug":"id1113-3","status":"publish","type":"sigma_course","link":"https:\/\/cpfp.uvigo.gal\/es\/estudios\/titulos-propios\/id1113-3\/","title":{"rendered":"Inteligencia artificial con Deep Learning"},"content":{"rendered":"
\n

\"Inteligencia<\/p>\n<\/div>\n

\n
\n

Diploma de curso de formaci\u00f3n universitaria<\/h3>\n

\u00c1mbito: Enxe\u00f1er\u00eda inform\u00e1tica e de sistemasC\u00f3digo: TCS:1113\/3<\/span>
\n\t\t\u00c1rea de inter\u00e9s principal: Tecnolox\u00eda | \u00c1rea de inter\u00e9s secundaria: Transversal<\/p>\n

\n
\n
\n

Inicio y fin<\/h3>\n

<\/i> 27\/02\/2026 – 08\/05\/2026 <\/p>\n<\/p><\/div>\n

\n

Modalidad<\/h3>\n

\t\t\t\t\t\t<\/i> Presencial\t\t\t\t<\/div>\n

\n

Cr\u00e9ditos ECTS<\/h3>\n

<\/i> 4.0 ECTS<\/p>\n<\/p><\/div>\n

\n

Estado<\/h3>\n

<\/i> Finalizado\t\t\t\t\t<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n

32 plazas<\/a><\/p>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Descripci\u00f3n<\/h2>\n

El curso Inteligencia Artificial con Deep Learning tiene un enfoque eminentemente pr\u00e1ctico y est\u00e1 dise\u00f1ado para aquellos que quieren adentrarse en el mundo del aprendizaje profundo. Se trabajar\u00e1 con el framework Keras, que nos permitir\u00e1 construir aplicaciones de redes neuronales sin necesidad de conocimientos matem\u00e1ticos, con solo conocimientos muy b\u00e1sicos de programaci\u00f3n. A lo largo del curso, el asistente aprender\u00e1 a procesar secuencias y reconocer im\u00e1genes con arquitecturas como LSTM, CNN, etc. Adem\u00e1s, el curso cubrir\u00e1 temas como redes MLP, optimizaci\u00f3n de modelos y evaluaci\u00f3n de resultados. Al final del curso, el estudiante tendr\u00e1 las habilidades necesarias para construir sus propios modelos de aprendizaje profundo y aplicarlos a problemas del mundo real.<\/p>\n

 <\/p>\n

\n
\n

Director\/a:<\/p>\n

Amador Rodr\u00edguez Dieguez<\/p>\n

Tel\u00e9fono contacto:<\/p>\n

986130304<\/p>\n

Email contacto:<\/p>\n

amador@uvigo.es<\/p>\n

Entidad organizadora:<\/p>\n

Centro de Posgrado y Formaci\u00f3n Permanente<\/p>\n<\/p><\/div>\n

\n
\n
\n

PER\u00cdODO DE INSCRIPCI\u00d3N
\n\t\t\tInscripci\u00f3n cerrada<\/small>
\n\t\t\t01\/12\/2025 – 18\/02\/2026<\/p>\n

<\/p>\n

\n

PER\u00cdODO DE MATR\u00cdCULA
\n\t\t\tMatr\u00edcula cerrada<\/small>
\n\t\t\t02\/12\/2025 – 24\/02\/2026<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

<\/p>\n

Matr\u00edcula cerrada<\/a><\/p>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

 <\/p>\n

Modalidad<\/h2>\n
\n
\n
\n
\n

Docencia presencial\/virtual<\/h3>\n

<\/i><\/p>\n

32 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n

Docencia no presencial<\/h3>\n

<\/i><\/p>\n

0 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n

Pr\u00e1cticas en empresa<\/h3>\n

<\/i><\/p>\n

0 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n
\n

Lugar de impartici\u00f3n<\/strong>
\nEscuela de Ingenier\u00eda Industrial (sede campus) y PLATAFORMA DE TELEFORMACI\u00d3N: Moovi\t<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Horario<\/h2>\n

Viernes de 16h a 20h. <\/p>\n

(Sin clase 20\/03, 27\/03 y 01\/05 de 2026)<\/p>\n<\/p>\n

 <\/p>\n

 <\/p>\n

Precios<\/h2>\n\n\n\n\n\n
P\u00fablico en general<\/th>\nAlumni UVigo<\/th>\nComunidad UVigo<\/th>\n<\/tr>\n<\/thead>\n
240 \u20ac<\/td>\n216 \u20ac<\/td>\n204 \u20ac<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Observaciones a los precios<\/strong>
\n\t\tAs persoas en situaci\u00f3n de desemprego ou discapacidade reco\u00f1ecida poder\u00e1n solicitar o prezo reducido da comunidade universitaria no momento da matr\u00edcula.<\/p>\n

 <\/p>\n

Objetivos<\/h2>\n

– Conocimiento de los principios en los que se basan las redes neuronales.<\/p>\n

– Preparaci\u00f3n de datos para ser utilizables por redes neuronales.<\/p>\n

– Construcci\u00f3n de las principales arquitecturas de redes neuronales: MLP, CNN, RNN, LSTM, etc.<\/p>\n

– Uso de las principales t\u00e9cnicas de optimizaci\u00f3n de redes neuronales: regularizaci\u00f3n, normalizaci\u00f3n, etc.<\/p>\n

– Conocimiento y uso de los optimizadores e inicializadores m\u00e1s importantes.<\/p>\n

– Conocimiento y ajuste de hiperpar\u00e1metros<\/p>\n

– Uso de funciones de callback en el proceso de entrenamiento de la red.<\/p>\n

– An\u00e1lisis del rendimiento de la red: matriz de confusi\u00f3n, curvas ROC, etc.<\/p>\n

 <\/p>\n

Destinatarios<\/h2>\n

\tAlumnado o profesionales interesados en introducirse en el mundo de la inteligencia artificial y el Deep Learning, con conocimientos muy b\u00e1sicos de programaci\u00f3n.\t<\/p>\n

 <\/p>\n

Salidas Profesionales<\/h2>\n

\tEl asistente terminar\u00e1 el curso con capacidad para dise\u00f1ar, implementar y aplicar t\u00e9cnicas de Deep Learning en cualquier campo profesional.\t<\/p>\n

 <\/p>\n

Competencias Espec\u00edficas<\/h2>\n

Selecci\u00f3n de arquitecturas de redes neuronales en funci\u00f3n del problema a resolver<\/p>\n

Dise\u00f1o de redes neuronalesImplementaci\u00f3n de redes neuronales<\/p>\n

An\u00e1lisis de rendimiento de redes neuronales<\/p>\n

 <\/p>\n

Competencias Transversales<\/h2>\n

An\u00e1lisis de problemas y evaluaci\u00f3n de soluciones<\/p>\n

An\u00e1lisis de informaci\u00f3n<\/p>\n

Programaci\u00f3n inform\u00e1tica<\/p>\n

 <\/p>\n

Condiciones de acceso<\/h2>\n

Tener conocimientos b\u00e1sicos de programaci\u00f3n en cualquier lenguaje. <\/p>\n

DOCUMENTACI\u00d3N REQUERIDA:<\/p>\n

1) Documento de identificaci\u00f3n.<\/p>\n

2) Copia del t\u00edtulo universitario o certificado de estudios previos.<\/p>\n

 <\/p>\n

Criterios de selecci\u00f3n<\/h2>\n

Orden de preinscripci\u00f3n siempre que cumplan con el criterio de tener conocimientos b\u00e1sicos de programaci\u00f3n en cualquier lenguaje propuesto por el coordinador.\t<\/p>\n

 <\/p>\n

Metodolog\u00eda<\/h2>\n

Introducci\u00f3n y conceptos b\u00e1sicos: 0,12 ECTS
\nPreparaci\u00f3n de datos: 0,72 ECTS
\nRedes multicapa: 0,84 ECTS
\nRegularizaci\u00f3n e hiperpar\u00e1metros: 0,72 ECTS
\nRedes neuronales convolucionales: 0,80 ECTS
\nRedes neuronales recurrentes: 0,80 ECTS<\/p>\n

 <\/p>\n

Asignaturas<\/h2>\n\n\n\n\n\n
id<\/th>\nnombre<\/th>\ncaracter<\/th>\ncr\u00e9ditos<\/th>\n<\/tr>\n<\/thead>\n
200374<\/td>\nInteligencia Artificial con Deep Learning<\/td>\nObligatoria<\/td>\n4.0<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

 <\/p>\n

Profesorado<\/h2>\n

An\u00e1lisis de problemas y evaluaci\u00f3n de soluciones<\/p>\n

An\u00e1lisis de informaci\u00f3n<\/p>\n

Programaci\u00f3n inform\u00e1tica<\/p>\n

 <\/p>\n

Evaluaci\u00f3n<\/h2>\n

Evaluaci\u00f3n continua por parte del profesor.<\/p>\n

 <\/p>\n

Titulaci\u00f3n<\/h2>\n

Diploma de curso de Formaci\u00f3n Universitaria en Inteligencia Artificial con Deep Learning<\/p>\n

 <\/p>\n","protected":false},"featured_media":0,"parent":0,"template":"","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"class_list":["post-302095","sigma_course","type-sigma_course","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/cpfp.uvigo.gal\/es\/wp-json\/wp\/v2\/sigma_course\/302095","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cpfp.uvigo.gal\/es\/wp-json\/wp\/v2\/sigma_course"}],"about":[{"href":"https:\/\/cpfp.uvigo.gal\/es\/wp-json\/wp\/v2\/types\/sigma_course"}],"wp:attachment":[{"href":"https:\/\/cpfp.uvigo.gal\/es\/wp-json\/wp\/v2\/media?parent=302095"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}