El Máster Universitario (MU) en Teoría de la Señal y Comunicaciones (TSC) es una titulación ofrecida por el Departamento de Señales, Sistemas y Radiocomunicaciones (SSR) de la Escuela Técnica Superior de Ingenieros de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM), y proporciona una perspectiva complementaria a la ofrecida por otros másteres profesionales de la ETSIT-UPM. Su objetivo es dotar a sus egresados de habilidades demandadas por la industria, los centros de investigación y la Universidad para trabajar en algunos temas de gran interés en la actualidad a nivel mundial. La titulación se ofrece completamente en inglés: las clases, el material de estudio y la interacción con los profesores.

El MU TSC consta de dos itinerarios:

Tecnologías y sistemas de radiofrecuencia: se corresponde con un tema clásico en la ingeniería de telecomunicación en el que el SSR es líder.
Procesado de señal y aprendizaje automático para datos masivos: aborda nuevos desafíos en la aplicación de técnicas de procesado de señal y aprendizaje automático a enormes conjuntos de datos, cubriendo temas que actualmente tienen una gran demanda en diferentes sectores de la industria.

  • Acreditaciones

    2016 y 2021

  • Idioma

    Inglés

  • Plazas ofertadas

    40

  • Créditos totales

    60 ECTS

  • Créditos mín.-máx. por año

    24-37 ECTS a tiempo parcial
    38-60 ECTS a tiempo completo

  • Modalidad

    Presencial

Itinerario “Tecnologías y sistemas de radiofrecuencia”

El itinerario de “Tecnologías y sistemas de RadioFrecuencia (RF)” está estructurado en nueve asignaturas propias, además de las dos comunes que comparte con el otro itinerario. De esas nueve propias, hay un bloque dedicado a los fundamentos y las tecnologías, y otro a la comunicación por RF. El primero comprende tecnologías de RF y antenas, comprensión y uso de solucionadores electromagnéticos modernos, radio por software y técnicas avanzadas de medición. En el segundo bloque de asignaturas, se presentan sistemas de comunicaciones móviles, sistemas MIMO y comunicaciones RF seguras. La integración de tecnologías y aplicaciones ofrece a los estudiantes una perspectiva nueva y fresca de los sistemas modernos de RF.

Fundamentos de optimización

3 ECTS

Descripción

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.

Técnicas de optimización en radiofrecuencia

3 ECTS

Descripción

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.

Tecnologías de radiofrecuencia

6 ECTS

Descripción

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.

Temas avanzados en tecnologías de antenas

6 ECTS

Descripción

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.

Comunicaciones móviles: 4G y más allá

3 ECTS

Descripción

En este curso se presentan los fundamentos de las comunicaciones móviles modernas y la planificación de sistemas 4G. El curso se centra en la interfaz de RF. Se dan varias técnicas de gestión de recursos de RF. Finalmente, se presenta una descripción general de los futuros sistemas 5G.

Diseño de sistemas y equipos de comunicaciones

6 ECTS

Descripción

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.

Del procesado en array a las comunicaciones MIMO

6 ECTS

Descripción

Presentamos una vista unificada del procesamiento de matrices, formación de haces modernos y sistemas MIMO, incluido el procesamiento de matrices. Antenas adaptables. Problemas de implementación relacionados con las comunicaciones MIMO, comunicaciones MIMO de usuario único, comunicaciones MIMO de múltiples usuarios, comunicaciones MIMO de múltiples usuarios / múltiples celdas, MIMO masivo, MIMO virtual y redes de sensores inalámbricos.

Comunicaciones de radiofrecuencia seguras

3 ECTS

Descripción

Este curso se centra 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.

Laboratorio de medidas de radiofrecuencia

6 ECTS

Descripción

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.

Electromagnetismo computacional

6 ECTS

Descripción

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.

Trabajo Fin de Máster (TFM)

12 ECTS

Descripción

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.

Itinerario “Procesado de señal y aprendizaje automático para datos masivos”

El itinerario de “Procesado de señal y aprendizaje automático para datos masivos” está estructurado en doce asignaturas propias, además de las dos comunes que comparte con el otro itinerario. El programa ofrece formación básica en análisis estadístico, series temporales y técnicas de optimización, así como formación especializada en ciencia de datos, aprendizaje automático y redes neuronales. Incluye contenidos específicos donde se estudia la integración de estas técnicas con los últimos avances en procesado de señal y el manejo de grandes bases de datos. El programa presenta una fuerte orientación práctica dirigida a conocer impacto del análisis de datos y la inteligencia artificial en diferentes sectores industriales, incluyuendo las telecomunicaciones y los contenidos multimedia.

Fundamentos de optimización

3 ECTS

Descripción

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.

Técnicas de optimización para análisis de datos masivos

3 ECTS

Descripción

Esta asignatura utiliza la mayoría de los temas ya proporcionados en Fundamentos de optimización, 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.

Análisis estadístico

3 ECTS

Descripción

Este curso proporciona las bases del análisis estadístico de datos como antecedente fundamental para el estudio de técnicas de aprendizaje automático. El curso revisa la teoría de la probabilidad, así como los conceptos y herramientas básicos para la estadística descriptiva y la inferencia estadística.

Series temporales

4.5 ECTS

Descripción

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.

Aprendizaje predictivo y descriptivo

6 ECTS

Descripción

Este curso cubre los principios y la metodología para el diseño, evaluación y selección de una gran variedad de métodos de Machine Learning para el aprendizaje supervisado y no supervisado. Se pone especial énfasis en los algoritmos adecuados para la implementación en paralelo para gestionar datos a muy gran escala.

Ciencia de los datos y aplicaciones

2 ECTS

Descripción

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 …

Laboratorio de técnicas de aprendizaje automático

4.5 ECTS

Descripción

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.

Analítica de contenidos multimedia a gran escala

4 ECTS

Descripción

Esta asignatura tiene como objetivo presentar las técnicas y metodologías más relevantes para analizar colecciones multimedia a gran escala. Se estudian varios casos de uso: búsqueda y recuperación de contenido a gran escala, clasificación automática y comprensión del contenido, y sistemas de recomendación multimedia híbridos (basados ​​en contenido y colaborativos).

Tratamiento de señal para datos masivos

4 ECTS

Descripción

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.

Técnicas de tratamiento de datos masivos para imagen y vídeo

4 ECTS

Descripción

Este curso presenta una selección de las técnicas más recientes y relevantes para el procesamiento, transmisión y almacenamiento masivo de imágenes y videos. Aborda nuevos conceptos como nuevos marcos de muestreo de señales, detección de compresión, proyecciones aleatorias e introduce casos de uso prácticos innovadores, como la visualización intuitiva de datos de alta dimensión y aplicaciones en el campo de la visión por computadora.

Aprendizaje bio-inspirado

3 ECTS

Descripción

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.

Aprendizaje de refuerzo

3 ECTS

Descripción

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.

Proyectos de aplicación

4 ECTS

Descripción

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.

Trabajo Fin de Máster (TFM)

12 ECTS

Descripción

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.

Información práctica

Preinscripción

La Universidad establece las fechas de matrícula que se publican en:

Estudios Oficiales de Máster

Official Master’s Degree Studies

Calendario y horarios

Exámenes

Otros

Socios colaboradores

Recomendaciones

Lo que más destacaría del MU TSC es la combinación que se hace de teoría y práctica. A lo largo de la carrera siempre afrontas todo de una manera muy teórica y aquí los conocimientos teóricos tienen una aplicación inmediata y visible en el mundo real.
Raquel Dueñas Suárez - Data scientist en SGAE
El MU TSC me ha aportado una mayor especialización en el área de procesado de señal y aprendizaje automático, así como un pensamiento analítico con el cual me he podido enfrentar a los diferentes problemas que se me han ido planteando tanto en estas áreas como en la inteligencia artificial y los negocios.
Carlos Rodríguez Abellán - Senior Data Scientist en Telefónica
Del SSR destaco la profesionalidad, el amplio conocimiento de los docentes y la estrecha relación entre alumnos y profesores.
Xiaolian Sun - Especialista en medidas de antenas en LEHA (Laboratoratorio de Ensayos y Homologación de Antenas de la UPM)
Tras 13 años trabajando en el sector de las comunicaciones por satélite, buscaba expandir mis conocimientos. Encontrar este máster fue exactamente lo que necesitaba, ya que sabía que la UPM iba a aportarme un aprendizaje de calidad.
Ekhi Uranga - Centro Europeo de Astronomía Espacial (ESAC) de la Agencia Europea del Espacio (ESA)
Aparte de que disfruté del contenido de las asignaturas del MU TSC de la UPM, también me pareció muy buena la calidad de la educación y me motivó el entusiasmo de los profesores. También me conmovió realmente su dedicación y disposición para ayudar a los estudiantes. En resumen, mi estancia en la UPM superó todas mis expectativas.
Tessa Mennink - Delft University of Technology

Contacto

Coordinador del MU TSC: Miguel Ángel González de Aza

Email: master.tsc@upm.es

Teléfono: +34 9106 72303