Máster en Inteligencia Artificial

1. Fundamentos matemáticos aplicados

Álgebra lineal, cálculo y probabilidad enfocados a deep learning. Sin abstracciones innecesarias: solo lo que vas a usar al entrenar una red.

2. Machine Learning clásico

Regresión, clasificación, ensembles, validación cruzada y métricas. Casos reales de scoring, churn y forecasting.

3. Deep Learning

Redes densas, convolucionales y recurrentes. Transfer learning, fine-tuning, regularización y optimización de hiperparámetros.

4. NLP y modelos de lenguaje

Tokenización moderna, embeddings, fine-tuning de LLMs open source y técnicas de RAG productivas.

5. Computer Vision

Detección, segmentación, OCR y modelos multimodales. Entrenamiento con datasets propios.

6. MLOps y despliegue

CI/CD para modelos, versionado de datos, monitorización de drift, serving con FastAPI/Triton.

7. Proyecto final

Sistema end-to-end con dataset propio, modelo entrenado, API expuesta y panel de métricas.

El máster combina clases en directo, laboratorios autónomos y proyectos reales. La proporción aproximada es 30% teoría aplicada, 50% laboratorio y 20% proyecto final. Todo el material queda disponible en plataforma y los proyectos se entregan en repositorios versionados, listos para enseñar en entrevistas.

Cada cohorte trabaja con un tutor que revisa entregas y resuelve dudas en vivo. Se exige rigor: el objetivo no es asistir, es construir.

El máster es bonificable a través de FUNDAE para personas trabajadoras por cuenta ajena. Gestionamos toda la documentación. Existen también planes de pago en 3, 6 y 12 meses sin intereses, y becas parciales por mérito y diversidad.