| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| IA en Entornos Big Data |
| Resultados de aprendizaje |
| Datos Identificativos | 2023/24 | |||||||||||||
| Asignatura | IA en Entornos Big Data | Código | 614544016 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Máster Oficial | 1º cuatrimestre |
Segundo | Optativa | 6 | ||||||||||
|
||||||||||||||
| Resultados de aprendizaje | Competencias del título | ||
| Conocer las técnicas que permiten el diseño de técnicas de IA escalables a nivel software y de recursos hardware | AM10 AM11 AM12 AM15 |
BM2 BM7 |
CM3 CM4 |
| Adquirir las competencias que permitan integran gran volumen y variedad de datos en proyectos de Big Data en IA | AM10 AM11 AM12 AM15 |
BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Conocer los paradigmas de escalabilidad en algoritmos de aprendizaje automático | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Comprender, analizar y diseñar las infraestructuras necesarias para proyectos de IA en BigData: entorno local/nube y equipamiento físico/virtual con sistemas de almacenamiento de baja latencia y sistemas de ficheros distribuidos | AM12 AM15 |
BM2 BM6 BM7 BM8 |
CM3 CM4 CM7 CM9 |
| Conocer los lenguajes, frameworks y componentes que nos permiten incrementar el rendimiento en las infraestructuras hardware con CPU y GPU | AM11 AM15 |
BM3 BM7 BM8 |
CM3 CM4 CM7 CM9 |
| Conocer las técnicas que permiten, con baja latencia, la visualización de datos en entornos con gran volumen de información | AM11 AM12 AM15 |
BM2 BM3 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Usar y poder aplicar los KPI correctos en cada entorno | AM10 AM11 AM15 |
BM2 BM3 BM7 BM8 |
CM3 CM9 |
|
