{"id":300101,"date":"2025-10-13T13:12:11","date_gmt":"2025-10-13T11:12:11","guid":{"rendered":"https:\/\/cpfp.uvigo.gal\/estudos\/titulos-propios\/id1113-2\/"},"modified":"2025-10-13T13:12:11","modified_gmt":"2025-10-13T11:12:11","slug":"id1113-2","status":"publish","type":"sigma_course","link":"https:\/\/cpfp.uvigo.gal\/gl\/estudos\/titulos-propios\/id1113-2\/","title":{"rendered":"Intelixencia Artificial con Deep Learning"},"content":{"rendered":"
\n

\"Intelixencia<\/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\/2<\/span>
\n\t\t\u00c1rea de interese principal: Tecnolox\u00eda | \u00c1rea de interese secundaria: Transversal<\/p>\n

\n
\n
\n

Inicio e fin<\/h3>\n

<\/i> 07\/03\/2025 – 01\/06\/2025 <\/p>\n<\/p><\/div>\n

\n

Modalidade<\/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

30 prazas<\/a><\/p>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Descrici\u00f3n<\/h2>\n

O curso Intelixencia Artificial con Deep Learning, ten un enfoque eminentemente pr\u00e1ctico e est\u00e1 dese\u00f1ado para aqueles que queren adentrarse no mundo da aprendizaxe profunda. Traballarase co framework Keras, o que nos permitir\u00e1 constru\u00edr aplicaci\u00f3ns de redes neuronais sen necesidade de co\u00f1ecementos matem\u00e1ticos, soamente con co\u00f1ecementos moi b\u00e1sicos de programaci\u00f3n. \u00d3 longo do curso, o asistente aprender\u00e1 a procesar secuencias e reco\u00f1ecer imaxes con arquitecturas como LSTM, CNN, etc. Ademais, o curso abarcar\u00e1 temas como redes MLP, optimizaci\u00f3n de modelos e avaliaci\u00f3n de resultados. Ao final do curso, o alumno ter\u00e1 as habilidades necesarias para constru\u00edr os seus propios modelos de aprendizaxe profunda e aplicalos a problemas do mundo real.<\/p>\n

 <\/p>\n

\n
\n

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

Amador Rodr\u00edguez Di\u00e9guez<\/p>\n

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

986 130304<\/p>\n

Email contacto:<\/p>\n

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

Entidade organizadora:<\/p>\n

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

\n
\n
\n

PER\u00cdODO DE INSCRICI\u00d3N
\n\t\t\tInscrici\u00f3n pechada<\/small>
\n\t\t\t01\/01\/2025 – 02\/03\/2025<\/p>\n

<\/p>\n

\n

PER\u00cdODO DE MATR\u00cdCULA
\n\t\t\tMatr\u00edcula pechada<\/small>
\n\t\t\t10\/01\/2025 – 05\/03\/2025<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

<\/p>\n

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

 <\/p>\n

 <\/p>\n

Modalidade<\/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 non 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>
\nEscola de Enxe\u00f1er\u00eda Industrial (sede campus) e PLATAFORMA DE TELEFORMACI\u00d3N: Moovi\t<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Horario<\/h2>\n

\tTodos os venres lectivos do 07\/03\/2025 \u00f3 16\/05\/2025 (ag\u00e1s o 2 de maio), de 16h a 20h<\/p>\n

 <\/p>\n

 <\/p>\n

Prezos<\/h2>\n\n\n\n\n\n
P\u00fablico en xeral<\/th>\nAlumni UVigo<\/th>\nComunidade UVigo<\/th>\n<\/tr>\n<\/thead>\n
240 \u20ac<\/td>\n216 \u20ac<\/td>\n204 \u20ac<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Observaci\u00f3ns aos prezos<\/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.
Bonificable pola FUNDAE<\/p>\n

 <\/p>\n

Obxectivos<\/h2>\n

– Co\u00f1ecemento dos principios nos que se basean as redes neuronais.<\/p>\n

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

– Construcci\u00f3n das principais arquitecturas de redes neuronais: MLP, CNN, RNN, LSTM, etc.<\/p>\n

– Uso das princip\u00e1is t\u00e9cnicas de optimizaci\u00f3n das redes neuronais: regularizaci\u00f3n, normalizaci\u00f3n, etc.<\/p>\n

– Co\u00f1ecemento e uso dos optimizadores e inicializadores m\u00e1is importantes.<\/p>\n

– Co\u00f1ecemento e sintonizaci\u00f3n de hiperpar\u00e1metros<\/p>\n

– Uso de funci\u00f3ns de callback no proceso de adestramento das redes.<\/p>\n

– An\u00e1lise do funcionamento das redes: matriz de confusi\u00f3n, curvas ROC, etc.-<\/p>\n

 <\/p>\n

Destinatarios<\/h2>\n

\tEstudantes ou profesionais interesados en entrar no mundo da intelixencia artificial e o Deep Learning, con co\u00f1ecementos moi b\u00e1sicos de programaci\u00f3n.\t<\/p>\n

 <\/p>\n

Sa\u00eddas Profesionais<\/h2>\n

\tO asistente rematar\u00e1 o curso con capacidade para dese\u00f1ar, implementar e aplicar t\u00e9cnicas de Deep Learning en calquera campo profesional.\t<\/p>\n

 <\/p>\n

Competencias Espec\u00edficas<\/h2>\n

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

Dese\u00f1o de redes neuronaisImplementaci\u00f3n de redes neuronais<\/p>\n

An\u00e1lise de rendemento de redes neuronais<\/p>\n

 <\/p>\n

Competencias Transversais<\/h2>\n

An\u00e1lise de problemas e evaluaci\u00f3n de soluci\u00f3ns<\/p>\n

An\u00e1lise de informaci\u00f3n<\/p>\n

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

 <\/p>\n

Condici\u00f3ns de acceso<\/h2>\n

Ter co\u00f1ecementos moi b\u00e1sicos de programaci\u00f3n en calquera linguaxe.<\/p>\n

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

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

2) Copia do t\u00edtulo universitario ou certificado de estudos previos.<\/p>\n

<\/p>\n

 <\/p>\n

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

Conocimientos de programaci\u00f3n.\t<\/p>\n

 <\/p>\n

Materias<\/h2>\n\n\n\n\n\n
id<\/th>\nnome<\/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

<\/p>\n

 <\/p>\n

Avaliaci\u00f3n<\/h2>\n

Avaliaci\u00f3n continua por parte do profesor.<\/p>\n

 <\/p>\n

Titulaci\u00f3n<\/h2>\n

Diploma de curso de Formaci\u00f3n Universitaria en Intelixencia 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-300101","sigma_course","type-sigma_course","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/sigma_course\/300101","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/sigma_course"}],"about":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/types\/sigma_course"}],"wp:attachment":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/media?parent=300101"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}