Aprovecha tu beca de hasta 25% Becas hasta 25%

Titulación Universitaria + 60 Créditos ECTS

Máster en Computación Cuantica e Inteligencia Artificial + 60 Créditos ECTS

Máster en Computación Cuantica e Inteligencia Artificial + 60 Créditos ECTS

¿Te gustaría dominar la computación cuántica e inteligencia artificial y aplicar algoritmos más eficientes en ámbitos tecnológicos y científicos? Fórmate en herramientas clave para impulsar proyectos con IA.

  • 100% Online
  • 1500
  • Conv. abierta
  • Becas
  • Titulación Universitaria
  • Modalidad 100% online, a tu ritmo
  • 60 Créditos ECTS
  • Sin permanencia · Te contestamos en menos de 24 h
Máster en Computación Cuantica e Inteligencia Artificial + 60 Créditos ECTS

Un máster con datos verificables del programa

  • 60 Créditos ECTS
  • Facultad de Desarrollo de Aplicaciones
  • Prácticas en centros reales
  • Título propio INESEM

¿Qué conseguirás al terminar este máster?

Eficiencia algorítmica

Aprende a crear algoritmos más eficientes con computación cuántica y sistemas de cómputo numérico como Matlab.

Aplicaciones cuánticas

Estudia aplicaciones de la física cuántica en tecnología, medicina, transporte, energía o electricidad.

Nexo Big Data IA

Conoce la conexión entre Big Data e inteligencia artificial para desarrollar algoritmos para las máquinas.

Desarrollo con TensorFlow

Maneja TensorFlow para aprendizaje automático y Python para desarrollar aplicaciones y proyectos de IA.

Temario del programa

8 módulos que cubren desde fundamentos de computación cuántica y Big Data hasta desarrollo con TensorFlow, Python y creación de chatbots. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Introducción a la Inteligencia Artificial

Unidad Didáctica 1. Introducción a la Inteligencia Artificial

  • Introducción a la inteligencia artificial
  • Historia
  • La importancia de la IA

Unidad Didáctica 2. Tipos de Inteligencia Artificial

  • Tipos de inteligencia artificial

Unidad Didáctica 3. Algoritmos Aplicados a la Inteligencia Artificial

  • Algoritmos aplicados a la inteligencia artificial

Unidad Didáctica 4. Relación Entre Inteligencia Artificial y Big Data

  • Relación entre inteligencia artificial y big data
  • IA y Big Data combinados
  • El papel del Big Data en IA
  • Tecnologías de IA que se están utilizando con Big Data

Unidad Didáctica 5. Sistemas Expertos

  • Sistemas expertos
  • Estructura de un sistema experto
  • Inferencia: Tipos
  • Fases de construcción de un sistema
  • Rendimiento y mejoras
  • Dominios de aplicación
  • Creación de un sistema experto en C#
  • Añadir incertidumbre y probabilidades

Unidad Didáctica 6. Futuro de la Inteligencia Artificial

  • Futuro de la inteligencia artificial
  • Impacto de la IA en la industria
  • El impacto económico y social global de la IA y su futuro
02

Módulo 2. Procesamiento de Lenguaje Natural (pln)

Unidad Didáctica 1. Introducción Al Pln

  • ¿Qué es PLN?
  • ¿Qué incluye el PLN?
  • Ejemplos de uso de PLN
  • Futuro del PLN

Unidad Didáctica 2. Recursos para el Pln

  • Introducción a Python
  • ¿Qué necesitas?
  • Librerías para el análisis de datos en Python
  • PLN en Python con la librería NLTK
  • Otras herramientas para PLN

Unidad Didáctica 3. Computación de la Sintaxis para el Pln

  • Principios del análisis sintáctico
  • Gramática libre de contexto
  • Analizadores sintácticos (Parsers)

Unidad Didáctica 4. Computación de la Semántica para el Pln

  • Aspectos introductorios del análisis semántico
  • Lenguaje semántico para PLN
  • Análisis pragmático

Unidad Didáctica 5. Recuperación y Extracción de la Información

  • Aspectos introductorios
  • Pasos en la extracción de información
  • Ejemplo PLN
  • Ejemplo PLN con entrada de texto en inglés
03

Módulo 3. Chatbots e Inteligencia Artificial

Unidad Didáctica 1 .¿qué Es la Inteligencia Artificial?

  • Introducción a la Inteligencia artificial
  • El Test de Turing
  • Agentes Inteligentes
  • Aplicaciones de la inteligencia artificial

Unidad Didáctica 2. ¿qué Es un Chatbot?

  • Aspectos introductorios
  • ¿Qué es un chatbot?
  • ¿Cómo funciona un chatbot?
  • VoiceBots
  • Desafios para los Chatbots

Unidad Didáctica 3. Relación Entre Ia y Chatbots

  • Chatbots y el papel de la Inteligencia Artificial (IA)
  • Usos y beneficios de los chatbots
  • Diferencia entre bots, chatbots e IA

Unidad Didáctica 4. Ámbitos de Aplicación Chatbots

  • Áreas de aplicación de Chatbots
  • Desarrollo de un chatbot con ChatterBot y Python
  • Desarrollo de un chatbot para Facebook Messenger con Chatfuel
04

Módulo 4. Visión Artificial en Industria 4.0 con Python y Opencv

Unidad Didáctica 1. la Visión Artificial: Definición y Aspectos Principales

  • La visión artificial: definiciones y aspectos principales

Unidad Didáctica 2. Componentes de un Sistema de Visión Artificial

  • Ópticas
  • Iluminación
  • Cámaras
  • Sistemas 3D
  • Sensores
  • Equipos compactos
  • Metodologías para la selección del hardware

Unidad Didáctica 3. Procesado de Imágenes Mediante Visión Artificial

  • Algoritmos
  • Software
  • Segmentación e interpretación de imágenes
  • Metodologías para la selección del software

Unidad Didáctica 4. Aplicaciones de la Visión en la Industria 4.0

  • Aplicaciones clásicas: discriminación, detección de fallos…
  • Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

Unidad Didáctica 5. Introducción e Instalación de Opencv

  • Descripción general OpenCV
  • Instalación OpenCV para Python en Windows
  • Instalación OpenCV para Python en Linux
  • Anaconda y OpenCV

Unidad Didáctica 6. Manejo de Ficheros, Cámaras e Interfaces Gráficas

  • Manejo de archivos
  • Leer una imagen con OpenCV
  • Mostrar imagen con OpenCV
  • Guardar una imagen con OpenCV
  • Operaciones aritméticas en imágenes usando OpenCV
  • Funciones de dibujo

Unidad Didáctica 7. Tratamiento de Imágenes

  • Redimensión de imágenes
  • Erosión de imágenes
  • Desenfoque de imágenes
  • Bordeado de imágenes
  • Escala de grises en imágenes
  • 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

Unidad Didáctica 8. Histogramas y Template Matching

  • Analizar imágenes usando histogramas
  • Ecualización de histogramas
  • Template matching
  • Detección de campos en documentos usando Template matching

Unidad Didáctica 9. Colores y Espacios de Color

  • 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

Unidad Didáctica 10. Detección de Caras y Extracción de Características

  • Detección de líneas
  • Detección de círculos
  • Detectar esquinas (Método Shi-Tomasi)
  • Detectar esquinas (método Harris)
  • Encontrar círculos y elipses
  • Detección de caras y sonrisas

Unidad Didáctica 11. Aprendizaje Automático

  • Vecino más cercano (K-Nearest Neighbour)
  • Agrupamiento de K-medias (K-Means Clustering)
05

Módulo 5. Machine Learning con Arduino y Tensorflow 2.0

Unidad Didáctica 1. Introducción y Primeros Pasos

  • ¿Qué es la inteligencia artificial?
  • Hardware y software unidos por la Inteligencia Artificial
  • Inteligencia Artificial y Visión Artificial
  • Arduino: introducción

Unidad Didáctica 2. Preparación de Arduino y Configuración de Entorno Python

  • Instalación de Arduino
  • Configurando tu Arduino para Python

Unidad Didáctica 3. Codificación y Control de Arduino con Python

  • Control de Arduino

Unidad Didáctica 4. Manejo de Entradas Analógicas con Python

  • Manejo de entradas
  • Entradas analógicas

Unidad Didáctica 5. Uso de Salidas Analógicas

  • Salidas analógicas
  • Valores analógicos en Arduino

Unidad Didáctica 6. Introducción a Machine Learning

  • Introducción al machine learning
  • Aprendizaje supervisado
  • Aprendizaje no supervisado

Unidad Didáctica 7. Redes Neuronales, Series Temporales y Problemas de Regresión

  • Redes neuronales y deep learning
  • Series Temporales

Unidad Didáctica 8. Obtención de Parámetros en Arduino y Generación de Conjuntos de Datos

  • Funciones y parámetros
  • Variables y constantes especializadas
  • Estructura de control

Unidad Didáctica 9. Procesamiento de Datos y Etapa de Entrenamiento

  • 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?

Unidad Didáctica 10. Creación de Red Neuronal Artificial y Aplicaciones con Arduino y Tensorflow con Keras

  • Crear red neural paso a paso
  • Redes neuronales: Aprendizaje
  • Otras redes neuronales
06

Módulo 6. Machine Learning y Deep Learning

Unidad Didáctica 1. Introducción Al Machine Learning

  • 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

Unidad Didáctica 2. Extracción de Estructura de los Datos: Clustering

  • Introducción
  • Algoritmos

Unidad Didáctica 3. Sistemas de Recomendación

  • Introducción
  • Filtrado colaborativo
  • Clusterización
  • Sistemas de recomendación híbridos

Unidad Didáctica 4. Clasificación

  • Clasificadores
  • Algoritmos

Unidad Didáctica 5. Redes Neuronales y Deep Learning

  • Componentes
  • Aprendizaje

Unidad Didáctica 6. Sistemas de Elección

  • Introducción
  • El proceso de paso de DSS a IDSS
  • Casos de aplicación

Unidad Didáctica 7. Deep Learning con Python, Keras y Tensorflow

  • Aprendizaje profundo
  • Entorno de Deep Learning con Python
  • Aprendizaje automático y profundo

Unidad Didáctica 8. Sistemas Neuronales

  • Redes neuronales
  • Redes profundas y redes poco profundas

Unidad Didáctica 9. Redes de una Sola Capa

  • Perceptrón de una capa y multicapa
  • Ejemplo de perceptrón

Unidad Didáctica 10. Redes Multicapa

  • Tipos de redes profundas
  • Trabajar con TensorFlow y Python

Unidad Didáctica 11. Estrategias de Aprendizaje

  • 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
07

Módulo 7. Computación Cuántica

Unidad Didáctica 1. Introducción a la Computación Cuántica

  • Computación cuántica
  • Circuitos cuánticos

Unidad Didáctica 2. Tecnología Cuántica Actual

  • Desafíos y perspectivas de la tecnología cuántica

Unidad Didáctica 3. Algoritmo Cuánticos

  • Principales algoritmos utilizados
  • Desarrollo de Hardware Cuántico

Unidad Didáctica 4. Comunicaciones Cuánticas

  • Introducción a las comunicaciones cuánticas

Unidad Didáctica 5. Criptografía Cuántica

  • ¿Qué es la criptografía cuántica?
  • Criptografia post-cuántica

Unidad Didáctica 6. Simulación Cuántica

  • Fundamentos de la simulación cuántica
  • Métodos de simulación cuántica

Unidad Didáctica 7. Computación Cuántica Adiabática

  • Presentación de la computación cuántica adiabática como un paradigma alternativo
  • Modelos de Computación Cuántica Adiabática

Unidad Didáctica 8. Algoritmos de Paseo Cuántico

  • Definición y características de los paseos cuánticos
  • Algoritmos de paseo cuántico

Unidad Didáctica 9. Errores Cuánticos y Códigos Cuánticos

  • Errores cuánticos
  • Fuentes de errores cuánticos
  • Detección y corrección de errores cuánticos
08

Módulo 8. Física Cuántica

Unidad Didáctica 1. Introducción a la Física Cuántica

  • La ciencia
  • El Sistema Internacional de Unidades
  • Física clásica
  • Física moderna
  • ¿Qué es la física cuántica?

Unidad Didáctica 2. Átomos, Electrones y Fotones

  • 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

Unidad Didáctica 3. Efecto Electromagnético

  • 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

Unidad Didáctica 4. Números Cuánticos y Orbitales

  • Dualidad onda-corpúsculo. Principio de incertidumbre de Heisenberg
  • Modelo mecano-cuántico del átomo
  • Estructura del átomo
  • Configuración electrónica
  • Números cuánticos y orbitales atómicos

Unidad Didáctica 5. Núcleos

  • 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

Unidad Didáctica 6. el Campo de Punto Cero

  • ¿Qué es el campo punto cero?
  • Partículas virtuales
  • Efecto Casimir

Unidad Didáctica 7. Aplicaciones de la Física Cuántica

  • Introducción a las aplicaciones de la física cuántica
  • Transistor
  • El láser
  • Otras aplicaciones de la física cuántica

Claustro docente

Facultad de Informática y Tics — profesionales con experiencia en Computación Cuantica e Inteligencia Artificial + 60 Créditos ECTS.

Anabel Fernández

Anabel Fernández

Facultad de Informática y Tics

Gestión y Tecnologías de Proceso de Negocio

¿En qué podrás trabajar?

Con este máster podrás optar a puestos como:

  • Desarrollador/a de algoritmos cuánticos
  • Investigador/a en algoritmos para IA
  • Analista de datos con IA
  • Desarrollador/a de chatbots
  • Especialista en optimización con IA
  • Investigador/a en computación e IA

Metodología

Nuestra metodología educativa

Estudiantes trabajando juntos con sus portátiles
Aprende cuando quieras

Avanza al ritmo que te convenga, desde donde estés
y con seguimiento cercano.

Contenidos de calidad

Ofrecemos una formación completa y actualizada de la mano de un claustro profesional en activo que confecciona los diferentes programas formativos de su área/especialidad.

Materiales y Recursos Didácticos

Tendrás a tu disposición un banco de materiales y recursos didácticos sobre legislación. Así como una Tribuna de noticias y actualidad. Además, podrás asistir a Seminarios online de la mano de nuestro claustro, en el que se tratan temas actuales y de interés.

Claustro Profesional

Los docentes de INESEM son profesionales en activo ofreciendo una docencia de calidad y en constante actualización. Preparan el contenido de aquellos programas formativos cuyas áreas son en las que trabajan.

Tutorización individual

No estarás solo durante tu formación, tendrás al claustro a tu disposición y un tutor asignado con el que podrás mantener el contacto y poder consultar todas las dudas que te vayan surgiendo.

Testimonios

La experiencia de quienes ya estudiaron con nosotros

«Buscaba un Máster oficial sin desplazarme. Estuve atendida en todo momento, todo muy profesional.»

Patricia Ortiz Ruiz

Promoción 2025

Nuestras cifras

+150Kalumnos
99%empleabilidad
+2000acuerdos con empresas
98%satisfacción

Becas INESEM · Descuentos de hasta el 25%

¿Damos el paso para especializarte en Computación Cuantica e Inteligencia Artificial + 60 Créditos ECTS?

Nuestro equipo de asesores responde tus preguntas y te explica las ayudas disponibles, sin compromiso.