Este curso es una introducción a la teoría y la práctica del análisis de series de tiempo, proporcionando herramientas estadísticas para analizar datos aleatorios ordenados en el tiempo.

Este curso cubre los fundamentos de la optimización de funciones de variables continuas, considerando tanto aspectos analíticos como algorítmicos. Se hace énfasis en técnicas basadas en los multiplicadores de Lagrange y Karush-Kuhn-Tucker para la optimización restringida. Todos los temas están motivados con problemas concretos derivados de aplicaciones prácticas.

Esta asignatura utiliza la mayoría de los temas ya proporcionados en Optimization Fundamentals ahora enfocados al problema específico que surge con datos masivos. Aunque proporcionaremos los fundamentos teóricos sobre las técnicas evolucionadas, enfatizaremos diferentes estudios de casos clave en aplicaciones de big data. Distinguiremos tres bloques principales: 1) Paralelización de problemas simples como ecuaciones lineales, inversión de matrices y problemas no lineales. 2) Optimización distribuida y aprendizaje estadístico abordando técnicas de optimización de redes como consenso, difusión y chismes. 3) Paralelización de la optimización con datos masivos utilizando métodos basados ​​en el descenso de coordenadas.

En este laboratorio los alumnos consolidarán sus conocimientos de teorías y antecedentes fundamentales recibidos a lo largo del primer semestre del Máster. Se presta especial atención al trabajo experimental en plataformas y herramientas de Big Data (Hadoop, Spark, H2O, R, Python, Scala, …) aplicadas sobre problemas prácticos a gran escala. Se consideran varios casos de uso reales, principalmente trabajando con series de tiempo financieras, señales de sensores y señales de voz y audio.

Este curso tiene como objetivo ayudar a los estudiantes a obtener una perspectiva global de todos los cursos de esta pista. Los estudiantes aprenderán a evaluar críticamente el valor de diferentes enfoques científicos y tecnológicos para derivar conocimiento de los datos en aplicaciones del mundo real. Los estudios de casos y los debates se abordan en un conjunto de conferencias que reúnen a los principales expertos en diferentes sectores: radio y redes cognitivas, servicios de Internet del futuro, redes sociales y análisis multimedia, Internet de las cosas, máquina a máquina, ciudades inteligentes, Grids, Aplicaciones Biomédicas, Biometría y Forense, Servicios Financieros, Sistemas Robóticos …

Este curso aborda los nuevos desafíos del procesamiento de señales cuando se aplica a datos a gran escala, incluidos los algoritmos de procesamiento para datos dispersos a gran escala, como la transformada de Fourier dispersa, el procesamiento de señales discretas en gráficos (DSPG) y el uso de tensores para analizar Big Data.

El objetivo de este curso es desarrollar enfoques biológicamente inspirados para el aprendizaje automático, incluidas las redes neuronales artificiales, las redes neuronales profundas y los sistemas Swarm. El curso también introduce conceptos y aplicaciones de Ingeniería de Sistemas y Simulación de Sistemas Inteligentes.

Este curso presenta la motivación, fundamentos y diferentes métodos existentes para resolver problemas de Aprendizaje por Refuerzo. A lo largo del curso se consideran varios casos de uso práctico relacionados con la comunicación distribuida y las redes de sensores.

En este curso los estudiantes pueden reforzar su experiencia de aprendizaje trabajando en proyectos prácticos que pueden seleccionar entre una amplia gama de áreas: radio cognitiva, redes de sensores, sensores sociales, gráficos sociales, análisis de sentimientos, sensores de teléfonos inteligentes y redes sociales, ciudades inteligentes, análisis multimedia. (imagen, video, voz, música y audio), biometría y analítica forense, ingeniería biomédica, comercio financiero, monitoreo ambiental, sistemas robóticos … Este curso también propondrá competencias estilo Kaggle (www.kaggle.com) donde los estudiantes formar equipos y trabajar juntos. Esto permitirá a los estudiantes aplicar los conceptos aprendidos en los diferentes cursos y desarrollar las habilidades computacionales para analizar datos en un entorno colaborativo.

El Trabajo Fin de Máster ofrece una gran oportunidad para colaborar estrechamente con tu profesor favorito en temas avanzados que se acordarán con él. Ubicado en el segundo semestre con 12 ECTS, en ese momento tendrás la perspectiva global sobre cuáles son los temas más desafiantes o más demandados por empresas locales o internacionales en las que deseas profundizar. Luego de una discusión inicial con tu asesor académico sobre tus preferencias, este se pondrá en contacto con el investigador más adecuado entre nuestros profesores que liderará tu etapa final antes de obtener la titulación final. Tendrá la posibilidad de acceder a los laboratorios profesionales de nuestro departamento e involucrarse en nuestra investigación o en nuestros proyectos de transferencia tecnológica. Finalmente tendrás que elaborar un informe extenso describiendo tus logros y hacer una presentación oral defendiendo tus resultados frente a otros profesores expertos en la materia. Al final, habrás ganado plena madurez profesional para continuar tu carrera en el mundo académico o empresas de alta tecnología con capacidades únicas.

El diseño de circuitos y subsistemas de radiofrecuencia mediante simuladores electromagnéticos y de circuitos exige resolver problemas de optimización global, a menudo de funciones ruidosas y costosas. Revisaremos los métodos heurísticos más conocidos, como el recocido simulado, los algoritmos genéticos y las estrategias de evolución. El uso de modelos sustitutos también se abordará revisando la técnica de mapeo espacial. Todos estos temas serán ilustrados mediante proyectos prácticos, donde el alumno optimizará diferentes subsistemas o componentes de radiofrecuencia.

Este curso es un enfoque integral de los sistemas de radiofrecuencia y las tecnologías involucradas. No es un curso de diseño para componentes o circuitos activos y pasivos. Es un enfoque de arriba hacia abajo que comienza con las especificaciones de un sistema y termina con la selección de la tecnología, los componentes y los circuitos adecuados para cumplir con estas especificaciones. Un conocimiento profundo de la variedad de componentes en el mercado, sus especificaciones y limitaciones es básico para un diseño exitoso de sistemas de RF complejos.

En este curso se da una sólida formación sobre conceptos avanzados en tecnología de antenas. Cubre aspectos tanto teóricos como prácticos. Se utilizará software comercial o propio para el diseño y simulación de antenas. El curso se basa en el concepto PBL.

En este curso se describe en profundidad los elementos necesarios, hardware y software, para la implementación de sistemas de comunicación digital. Se dan los fundamentos de las comunicaciones digitales así como los conceptos avanzados sobre el procesamiento de señales digitales para corregir problemas prácticos en el canal de transmisión.

Se presentarán los fundamentos del diseño y análisis de circuitos y circuitos pasivos a RF y frecuencia de microondas utilizando el método numérico más utilizado, MoM, FDTD, FEM, GTD, Mode Matching, etc. El diseño avanzado se llevará a cabo utilizando software comercial disponible.

Este curso se centró en los sistemas de comunicación que pueden ser atacados en un entorno hostil. Medidas electrónicas y contramedidas para las comunicaciones. Los primeros problemas son los métodos de transmisión robustos, y luego se extienden a técnicas resistentes a ataques inteligentes.

Se realizarán una serie de sesiones prácticas sobre medición de antenas, caracterización de materiales, calibración de analizadores de redes vectoriales, medición de componentes activos, compatibilidad electromagnética, etc.

El Trabajo Fin de Máster ofrece una gran oportunidad para colaborar estrechamente con tu profesor favorito en temas avanzados que se acordarán con él. Ubicado en el segundo semestre con 12 ECTS, en ese momento tendrás la perspectiva global sobre cuáles son los temas más desafiantes o más demandados por empresas locales o internacionales en las que deseas profundizar. Luego de una discusión inicial con tu asesor académico sobre tus preferencias, este se pondrá en contacto con el investigador más adecuado entre nuestros profesores que liderará tu etapa final antes de obtener la titulación final. Tendrá la posibilidad de acceder a los laboratorios profesionales de nuestro departamento e involucrarse en nuestra investigación o en nuestros proyectos de transferencia tecnológica. Finalmente tendrás que elaborar un informe extenso describiendo tus logros y hacer una presentación oral defendiendo tus resultados frente a otros profesores expertos en la materia. Al final, habrás ganado plena madurez profesional para continuar tu carrera en el mundo académico o empresas de alta tecnología con capacidades únicas.