Con este Master de Computación Cuántica e Inteligencia Artificial aprenderás que la computación cuántica ha irrumpido en el ámbito corporativo, tecnológico y científico como una rama de la informática que supone una evolución respecto a la informática tradicional. Mediante esta teoría se podrán desarrollar superordenadores con una mayor capacidad de almacenaje y con más posibilidades de crear algoritmos más eficientes.
La computación cuántica unida a la inteligencia artificial supone superar los límites de la informática como se había conocido hasta ahora. No es extraño, por lo tanto, que se requiera en la actualidad y aún más en el futuro, contar con profesionales especializados en el master en computación cuántica e inteligencia artificial, para obtener el mayor rendimiento.
El Master en Computación Cuántica e Inteligencia Artificial se dirige principalmente a aquellas personas formadas en estadística, matemáticas, informática o telecomunicaciones. No obstante, las innumerables aplicaciones de la inteligencia artificial lo hacen apto también para otros perfiles como la economía o la administración de empresas, entre otros.
Objetivos
– Aprender a crear algoritmos más eficientes haciendo uso de la computación cuántica y de sistemas de cómputo numérico como Matlab.
– Estudiar las diferentes aplicaciones de la física cuántica en el ámbito de la tecnología, la medicina, el transporte, la energía o la electricidad.
– Conocer el nexo de unión entre el Big Data y la inteligencia artificial para desarrollar algoritmos para las máquinas.
– Manejar TensorFlow para generar aprendizaje automático y el lenguaje de programación Python para desarrollar aplicaciones.
– Desarrollar chatbots con ChatterBot y Python o con Chatfuel para Facebook Messenger.
Salidas Profesionales
Finalizado el Master en computación cuántica e inteligencia artificial, habilitará para ocupar puestos como desarrollador o investigador de algoritmos para finanzas, para aplicarlos a la inteligencia artificial, química, la optimización, la inteligencia artificial aplicada a la industria, el análisis de datos, el marketing o la investigación evidenciándose así, el carácter polivalente del master.
Escalado, rotación, desplazamiento y detección de bordes
Erosión y dilatación de imágenes
Umbrales simples
Umbrales adaptativos
Umbral de Otsu
Contornos de imágenes
Incrustación de imágenes
Intensidad en imágenes
Registro de imágenes
Extracción de primer plano
Operaciones morfológicas en imágenes
Pirámide de imágen
Analizar imágenes usando histogramas
Ecualización de histogramas
Template matching
Detección de campos en documentos usando Template matching
Espacios de color en OpenCV
Cambio de espacio de color
Filtrado de color
Denoising de imágenes en color
Visualizar una imagen en diferentes espacios de color
Detección de líneas
Detección de círculos
Detectar esquinas (Método Shi-Tomasi)
Detectar esquinas (método Harris)
Encontrar círculos y elipses
Detección de caras y sonrisas
Vecino más cercano (K-Nearest Neighbour)
Agrupamiento de K-medias (K-Means Clustering)
¿Qué es la inteligencia artificial?
Hardware y software unidos por la Inteligencia Artificial
Inteligencia Artificial y Visión Artificial
Arduino: introducción
Instalación de Arduino
Configurando tu Arduino para Python
Control de Arduino
Manejo de entradas
Entradas analógicas
Salidas analógicas
Valores analógicos en Arduino
Introducción al machine learning
Aprendizaje supervisado
Aprendizaje no supervisado
Redes neuronales y deep learning
Series Temporales
Funciones y parámetros
Variables y constantes especializadas
Estructura de control
Introducción
¿Qué son los datos de entrenamiento de IA?
¿Por qué se requieren datos de entrenamiento de IA?
¿Cuántos datos son adecuados?
¿Qué afecta la calidad de los datos en el entrenamiento?
Crear red neural paso a paso
Redes neuronales: Aprendizaje
Otras redes neuronales
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
Introducción
Algoritmos
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
Redes neuronales
Redes profundas y redes poco profundas
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
Tipos de redes profundas
Trabajar con TensorFlow y Python
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
Computación cuántica
Circuitos cuánticos
Desafíos y perspectivas de la tecnología cuántica
Principales algoritmos utilizados
Desarrollo de Hardware Cuántico
Introducción a las comunicaciones cuánticas
¿Qué es la criptografía cuántica?
Criptografia post-cuántica
Fundamentos de la simulación cuántica
Métodos de simulación cuántica
Presentación de la computación cuántica adiabática como un paradigma alternativo
Modelos de Computación Cuántica Adiabática
Definición y características de los paseos cuánticos
Algoritmos de paseo cuántico
Errores cuánticos
Fuentes de errores cuánticos
Detección y corrección de errores cuánticos
La ciencia
El Sistema Internacional de Unidades
Física clásica
Física moderna
¿Qué es la física cuántica?
Nociones básicas sobre la estructura atómica
Introducción al espectro electromagnético
¿Qué es el espectro electromagnético?
Cuantos de energía. Postulado de Planck
Principio de dualidad. Postulado de De Broglie
Modelo atómico de Bohr
Introducción al efecto fotoeléctrico
La luz como una onda
Explicación de Albert Einstein
El efecto Compton
Frecuencia de la luz y la frecuencia umbral v0
Tendencia de la amplitud de onda
Dualidad onda-corpúsculo. Principio de incertidumbre de Heisenberg
Modelo mecano-cuántico del átomo
Estructura del átomo
Configuración electrónica
Números cuánticos y orbitales atómicos
Núcleo atómico
Masas nucleares
Propiedades de la estructura nuclear
Tamaño de los núcleos
Ley de desintegración radiactiva
Teoría cuántica de la desintegración radiactiva
Desintegración nuclear
¿Qué es el campo punto cero?
Partículas virtuales
Efecto Casimir
Introducción a las aplicaciones de la física cuántica
Transistor
El láser
Otras aplicaciones de la física cuántica
Titulación
Titulación de Máster de Formación Permanente en Computación Cuantica e Inteligencia Artificial con 1500 horas y 60 ECTS expedida por UTAMED – Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
Optimized by Seraphinite Accelerator