Objetivos y Competencias

Objetivos

El objetivo del Máster Universitario en Aprendizaje Automático y Datos Masivos por la Universidad Politécnica de Madrid es proporcionar a los graduados y graduadas en titulaciones relacionadas con las TIC conocimientos avanzados y específicos en el ámbito de las técnicas del aprendizaje automático (tanto en lo relacionado con algoritmos supervisados como no supervisados) y del tratamiento masivo de datos y en todo lo referente a las infraestructuras y tecnologías necesarias para la gestión de datos a gran escala. Los egresados y egresadas del título podrán diseñar e implementar, así como utilizar en sistemas inteligentes y complejos, algoritmos y métodos basados en estas técnicas. Se pretende dar una formación avanzada a futuros investigadores que les capacite para comprender, analizar y emplear los últimos métodos y técnicas disponibles en estas áreas, aplicarlas para desarrollar soluciones apropiadas a los diferentes tipos de problemas, y que les permita la creación y desarrollo de nuevas soluciones (algoritmos, modelos, arquitecturas, sistemas) a partir de otras existentes en el estado del arte,  dotándoles de sólidos conocimientos y amplias competencias en estos campos.

En concreto, los objetivos específicos de este título pueden resumirse en:

1. Desarrollar y explotar modelos y sistemas basados en aprendizaje profundo (Deep Learning), generativo (Generative Learning), y por refuerzo (Reinforcement Learning).
2. Adquirir conocimientos avanzados en tecnologías y en entornos de desarrollo software para el diseño e implementación de sistemas de Big Data (Hadoop, Spark, etc.).
3. Adquirir conocimientos avanzados en las tecnologías que soportan la computación en la nube (Cloud Computing) en sus diferentes arquitecturas, así como la configuración y despliegue de soluciones en sistemas de este tipo.
4. Diseñar y desarrollar sistemas innovadores, basados en las últimas tecnologías y técnicas en las áreas del Aprendizaje Automático y de los Datos Masivos, aplicables a la resolución de problemas a sectores de alto valor investigador, social o económico.

Conocimientos o contenidos (Knowledge)

• El alumno clasifica y explica los algoritmos y técnicas de aprendizaje automático, tanto supervisado como no supervisado.
• El alumno explica los modelos de aprendizaje profundo y generativos.
• El alumno analiza los problemas de optimización derivados del ajuste y explotación de los modelos de aprendizaje automático.
• El alumno compara y explica los diferentes tipos de fuentes de datos, tales como temporales, de flujo y tabulares.
• El alumno analiza las distintas arquitecturas para el almacenamiento y procesado de datos masivos de altas prestaciones.

Habilidades o destrezas (Skills)

• El alumno elabora artículos e informes científicos que demuestran una o varias hipótesis mediante los resultados obtenidos a partir de experimentos.
• El alumno planifica y ejecuta la gestión y el despliegue de infraestructuras de datos masivos.
• El alumno experimenta con modelos de aprendizaje automático para la obtención de conocimiento a partir de conjuntos de datos masivos.
• El alumno crea nuevos modelos de aprendizaje automático y ejecuta experimentos para demostrar su viabilidad y mejora de rendimiento con respecto al estado del arte.
• El alumno compone y ejecuta el flujo de trabajo necesario para la resolución de un problema de aprendizaje automático.
• El alumno elabora visualizaciones y narrativa audiovisual para destacar la información importante que se encuentra en un conjunto de datos masivos.

Competencias (Competences)

Competencias Generales

• Capacidad para aplicar el método científico y saber organizar y planificar experimentos con rigor metodológico en el ámbito del aprendizaje automático y los datos masivos.
• Participar en la aplicación de mecanismos de descripción, cuantificación, análisis, interpretación y evaluación de resultados experimentales del ámbito de los datos masivos y el aprendizaje automático.
• Capacidad para reunir e interpretar datos masivos relevantes para emitir juicios que incluyan una reflexión sobre temas importantes de índole científico, social o ético en el ámbito del aprendizaje automático y los datos masivos.
• Capacidad de aplicar iniciativa, integración, colaboración y potenciación de la discusión crítica en el ámbito del trabajo en equipo dentro del ámbito del aprendizaje automático y datos masivos.
• Participar en la transmisión de la información generada, las ideas, los problemas y las soluciones de forma oral y escrita para un público tanto especializado como no especializado.

Competencias Básicas

• Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
• Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
• Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
• Que los estudiantes sepan comunicar sus conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades.
• Que los estudiantes posean las desarrollar habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Transversales Generales

• Creatividad.
• Organización y planificación.
• Gestión de la información.
• Liderazgo de equipos.
• Trabajo en contextos internacionales.

Competencias Específicas

• Emplear resultados de aprendizaje automático, adaptados al tratamiento de datos masivos, como fundamento para métodos avanzados de predicción y clasificación.
• Gestionar grandes volúmenes de información procedentes de diversas fuentes heterogéneas y efectuar su análisis en tiempo real mediante el diseño.
• de cuadros de mando e informes para obtener conocimiento útil. Diseñar y aplicar técnicas avanzadas de aprendizaje profundo para la resolución de problemas relacionados con el análisis y tratamiento de datos masivos.
• Identificar, analizar y resolver mediante técnicas exactas y aproximadas los problemas de optimización derivados del manejo y tratamiento de datos masivos que se explotan mediante técnicas de aprendizaje automático.
• Diseñar y desplegar modelos de aprendizaje automático de manera escalable y eficiente usando estrategias de contenerización y computación de altas prestaciones.
• Diseñar y desarrollar modelos de aprendizaje automático en sistemas de datos en flujos continuos o de carácter temporal.
• Diseño y desarrollo de algoritmos evolutivos y de enjambre, así como reales.
• Diseño y desarrollo de técnicas de representación de datos, patrones e información analítica en aplicaciones masivas de datos para la creación de narrativas gráficas o audiovisuales.
• Entender y valorar las implicaciones éticas, legales y sociales de la inteligencia artificial, así como la seguridad y privacidad de los datos masivos.
• Capacidad para elaborar, presentar y defender, una vez obtenidos el resto de los créditos del plan de estudios, de un ejercicio original de investigación realizado individualmente, ante un tribunal universitario.