Objetivos Formativos

Los objetivos formativos principales del Máster son los siguientes:

  1. Aplicar herramientas, tecnologías y algoritmos de Inteligencia Artificial y Big Data, incluyendo técnicas de manipulación, procesamiento y visualización de datos. El estudiante desarrollará competencias tanto en el ámbito de la computación aplicada (hardware y software) como en la investigación y la gestión de proyectos relacionados con la IA, el Big Data y el Internet de las Cosas (IoT), todo ello en entornos de desarrollo continuo y seguro basados en metodologías SecDevOps.
  2. Comprender los fundamentos de la estadística aplicada al aprendizaje automático, adquiriendo los conocimientos necesarios para el análisis de datos, el entrenamiento de modelos y los procesos de inferencia que sustentan los sistemas de Inteligencia Artificial.
  3. Seleccionar, diseñar y adaptar arquitecturas de redes neuronales profundas (DNN), comprendiendo sus procesos de aprendizaje y los mecanismos de representación del conocimiento que integran. Asimismo, el alumnado desarrollará competencias para su aplicación en redes generativas, modelos de lenguaje natural, modelos fundacionales multimodales y sistemas de visión artificial. También será capaz de integrar estas arquitecturas con agentes inteligentes y sistemas avanzados de interacción, incluyendo entornos basados en A2A (Agent-to-Agent), MCP (Model Context Protocol) y arquitecturas RAG (Retrieval-Augmented Generation).
  4. Desde un punto de vista práctico, el alumno será capaz de conocer y aplicar casos de uso reales de la Inteligencia Artificial en productos y servicios, identificando tanto sus oportunidades como sus limitaciones. El alumnado adquirirá una visión crítica sobre los aspectos éticos, regulatorios y legales asociados al desarrollo y despliegue de soluciones basadas en IA. Estos conocimientos se complementarán con una primera experiencia práctica a través de las Prácticas Académicas Externas (PAE) y culminarán con la integración y aplicación de las competencias adquiridas en el Trabajo Fin de Máster (TFM).