Máster Universitario en Visión por Computador

La visión por ordenador es la capacidad de ver en las máquinas, es decir, extraer la estructura espacio-temporal de imágenes/vídeos con el objetivo de interpretar completamente una escena. Se trata de un campo en el que se desarrolla una abundante actividad investigadora, pero no solo se trata de investigación. Las tecnologías de la visión por ordenador tienen la capacidad de contribuir al bienestar, al crecimiento económico y a la sostenibilidad ambiental a mayor velocidad y a un coste inferior a lo que se hizo nunca.

La comprensión automática de nuestro mundo visual nunca ha sido más importante en aplicaciones como: salud, industria 4.0, robótica móvil, seguridad de infraestructura y servicios, seguridad vial, vehículos autónomos, ocio, publicidad y más. Este máster ofrece una especialización interdisciplinar en los fundamentos generales de la visión por computadora. El máster tiene como objetivo cubrir el vacío actual en el noroeste de la península y Portugal en relación con la formación de este perfil, pero también pretende atraer estudiantes de otras partes de España, Portugal e a nivel internacional.

El plan de estudios consta de 15 asignaturas, incluidas las prácticas externas y el trabajo fin de máster (TFM). El resultado es una oferta académica de 105 ECTS (30 ECTS para TFM, 3 ECTS para prácticas externas, 48 ​​ECTS para asignaturas obligatorias y 24 para optativas). Para obtener el Máster en Visión por Computador el alumno debe superar 90 ECTS.

El Máster se organiza en 6 módulos, tres de ellos orientados a adquirir competencias en tecnologías transversales de visión por ordenador y por tanto aplicables a un gran número de dominios; otros dos módulos se centraron en las tecnologías y metodologías específicas de dos grandes grupos de aplicaciones: aplicaciones industriales y de ingeniería y aplicaciones de imágenes biomédicas; y el módulo de TFM.

La docencia se desarrollará en general combinando la enseñanza presencial y a distancia (mayoría), mediante clases magistrales con componentes tanto teóricos como prácticos (hands-on), en las que los alumnos harán uso de herramientas informáticas para consolidar el aprendizaje de conceptos y técnicas. El desarrollo de la docencia se complementará con metodologías de enseñanza integradas en las que se desarrollarán actividades de aprendizaje cooperativo y por proyectos.

En educación remota es importante combinar el uso de medios síncronos (videoconferencia) con medios asíncronos (aulas virtuales). El material del curso estará disponible con antelación suficiente para que el alumnado pueda conocer con antelación las actividades a realizar, los contenidos iniciales en los que se basan, las lecturas recomendadas, el calendario de actividades asociado y el procedimiento de seguimiento y evaluación.

Para la tutoría académica, se pueden utilizar los mismos mecanismos a través de herramientas de videoconferencia de propósito general, combinadas con correo electrónico y teléfono. El trabajo fuera del aula incluirá actividades de autoaprendizaje, trabajo supervisado, resolución de problemas y participación en foros de discusión en la plataforma virtual.

Su carácter multidisciplinar se basa en que (i) muchos de sus resultados se inspiran y retroalimentan resultados en Neurociencia, (ii) la complejidad de los problemas tanto desde el punto de vista geométrico como estadístico y probabilístico demandan una buena formación en Matemáticas, (iii) la dimensión fotométrica de las imágenes, la resolución de problemas mal condicionados, análisis multiespectral, o las fuentes de ruido en imágenes, son campo para la Física, (iv) las tecnología para cámaras, comunicaciones, y hardware provienen de diversas Ingenierías, (v) y los modelos computacionales que se requieren para el procesamiento y el aprendizaje a partir de grandes cantidades de datos, permiten desarrollar nuevos paradigmas dentro de la Computación.

Por otra parte, su alto potencial tecnológico es evidente por el hecho de ser una disciplina que permite una rápida aplicabilidad de todos sus resultados teóricos lo que la convierte en una Ingeniería transversal que puede integrarse en múltiples sistemas de diversa aplicación.

Así pues, estamos frente a un sector tecnológico que requiere un alto grado de formación de sus profesionales y cuyo interés científico avanza a gran velocidad. El interés a nivel académico se da en dos frentes, por una parte hay estudiantes que acaban de finalizar sus estudios de grado y pretenden una mayor especialización antes de incorporarse al mercado laboral. Por otra parte, existen múltiples grupos de investigación dedicados a la visión por computador que requieren de un máster en este campo que permita formar estudiantes que pretender hacer una tesis doctoral.

El perfil de ingreso recomendado es:

• Formación matemática equivalente como mínimo a un grado en Ingeniería.
• Conocimientos de programación en lenguajes tipo C/C++ o Java, o de prototipado tipo Matlab o Python.
• Conocimientos de inglés para la comprensión, escritura y habla, mínimo al equivalente del nivel B2 del marco europeo de referencia para lenguas del Consejo de Europa.

Este máster, de perfil académico, con enfoque práctico y aplicado (potenciado con un TFM de 30 ECTS, requisito mínimo de acuerdo con la normativa portuguesa), proporciona habilidades y experiencia que permiten aplicar conocimientos de forma inmediata para generar tanto profesionales altamente capacitados, con habilidades de generar beneficio inmediato para la industria, como profesionales con capacidad de emprendimiento, o investigadores e investigadoras que pretendan iniciar estudios de doctorado en un campo científico en crecimiento. Al completar la formación se espera que los estudiantes sean competentes en:

• Lectura y comprensión de publicaciones de investigación actuales sobre técnicas de visión por computador.
• Uso de herramientas fundamentales utilizadas comúnmente para desarrollar aplicaciones de visión por computador.
• Implementación de aplicaciones de visión por computador basadas en algoritmos de última generación.
• Llevar a cabo análisis experimentales y pruebas consistentes con la práctica actual en visión por computador, incluidas las métricas estándar y los conjuntos de datos de referencia.
• Aplicación de herramientas matemáticas y de aprendizaje automático, como geometría, optimización y estadísticas a aplicaciones de visión por computador.