MUIT - Especialidad Aprendizaje Automático y Big Data

MUIT - Especialidad Electrónica

MUIT - Especialidad Ciberseguridad y Redes Software

MUIT - Especialidad de Señales y Comunicaciones

MUIT - Especialidad de Machine Learning and Multimedia Data Science

MUIT - Especialidad en Ingeniería Fotónica y Fotovoltaica

MUIT - Especialidad en Ingeniería Biomédica

MUIT - Especialidad en Gestión, Innovación y Negocio Digital

OPTATIVAS

Aprendizaje Automático para Inteligencia de Big Data (AAIB). 5 ECTS. S-10.

1. Introducción al aprendizaje automático
2. Casos de estudio. Entornos de Big Data, Redes telemáticas y Nube inteligente.
3. Modelos geométricos, Modelos de árbol y Modelos neuronales.
4. Aprendizaje profundo.
5. Modelos evolutivos y Modelos estadísticos.
6. Características, ensamblados y evaluación.
7. Modelos de aprendizaje por refuerzo.
8. Modelos avanzados. Aprendizaje Transferido.  Aprendizaje Offline. Aprendizaje en línea (incremental y federado). Aprendizaje Multitarea. Aprendizaje Contrastivo. Aprendizaje de N-Disparos (N-Shot learning). Meta-aprendizaje. Aprendizaje adversativo.
9. Aprendizaje y Big Data. Metodologías Ágiles para Aprendizaje automático. (DataOps, MLOps).
10. Casos de estudio. Detección de anomalías en Redes telemáticas.

Órdenes CIN

• Capacidad de comprender y saber aplicar el funcionamiento y organización de Internet, las tecnologías y protocolos de Internet de nueva generación, los modelos de componentes, software intermediario y servicios

Ingeniería Web Multidispositivo (IWEM). 5 ECTS. S-10

1. Arquitecturas web avanzadas
2. Protocolos de Internet de nueva generación
3. Orquestación de servicios distribuidos nativos de la nube
4. Identidad y control de acceso en servicios distribuidos
5. Desarrollo de aplicaciones web de cliente y móvil
6. Desarrollo de servicios web distribuidos
7. Pruebas, integración y despliegue de servicios distribuidos

Órdenes CIN

• Capacidad para modelar, diseñar, implantar, gestionar, operar, administrar y mantener redes, servicios y contenidos.
• Capacidad para realizar la planificación, toma de decisiones y empaquetamiento de redes, servicios y aplicaciones considerando la calidad de servicio, los costes directos y de operación, el plan de implantación, supervisión, los procedimientos de seguridad, el escalado y el mantenimiento, así como gestionar y asegurar la calidad en el proceso de desarrollo.
• Capacidad de comprender y saber aplicar el funcionamiento y organización de Internet, las tecnologías y protocolos de Internet de nueva generación, los modelos de componentes, software intermediario y servicios.

Ingeniería de Big Data en la Nube (IBDN). 5 ECTS. S-11/12

1. Introducción a los sistemas de Big Data
2. Paradigma de lenguajes funcionales para sistemas de Big Data
3. Cloud native ML/IA y sistemas orquestadores en la nube.
4. Lagos de Datos.
5. Sistemas de comunicación en tiempo real (PubSub y otros paradigmas) de datos.
6. Sistemas de datos y su procesado en tiempo real.
7. Arquitecturas de ciudades inteligentes.
8. Sistemas de espacios de datos federados y la economía del dato.

Aprendizaje Profundo para Procesamiento de Lenguaje Natural y Analítica de Textos (APLN). 5 ECTS. S-11/12

1. Introducción a Aprendizaje profundo y procesamiento de lenguaje natural.
2. Modelos. Perceptrón Multicapa. Encajes léxicos (word embeddings).
3. Modelos de Ventana. CNN para texto.
4. Redes Neuronales Recurrentes. Modelos Seq2Seq. Traducción y modelos LSTM.
5. Modelos de Atención.
6. Modelos de Transformadores. Redes siamesas para texto.
7. Encajes léxicos contextualizados. Transformadores Preentrenados. Modelos BERT y GPT.
8. Aprendizaje de transferencia multilingüe y ajuste fino.
9. Redes Generativas Adversarias (GAN) para textos. Modelos generativos profundos.
10. Aprendizaje multi-tarea y meta-aprendizaje para textos. Aprendjzaje por transferencia.
11. Aplicaciones. Modelado de Lenguaje. Traducción automática. Análisis sintáctico.Análisis semántico. Sistemas de Diálogo. Análisis de sentimientos.

Bases de Datos Distribuidas y Blockchain (BDBC). 5 ECTS. S-11/12

1. Introducción a las Bases de datos distribuidas (SQL, NoSQL, NewSQL, …)
2. Tecnologías de bases de datos (Relacional, Clave-valor, documentos, columnas, grafos, …)
3. Diseño del esquema de datos o modelo de datos
4. Lenguajes de acceso (query languages) y de agregación
5. Replicación (sharding) y Particionamiento
6. Desarrollo de aplicaciones con bases de datos distribuidas
7. Patrones de soluciones para sistemas distribuidos utilizando NoSQL (clave-valor, columnas, documentos, grafos)
8. Cadenas de bloques: Distributed Ledger Technology
9. Identidad autogestionada y sus aplicaciones distribuidas y federadas.
10. Confianza distribuida en compartición y uso de datos.