Anar al contingut (clic a Intro)

Tancar

Menú

Estudia

Especialització I30.00 crèdits

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Manipulació RobóticaManipulación RobóticaRobot Manipulation (3501MO3351) 1. Introducció als manipuladors industrials 2. Sistemes de coordenades 3. Cinemàtica directa i inversa 4. Cinemàtica diferencial 5. Dinàmica 6. Control i generació de trajectòries	OBobligatòria	6.00	A	1primer semestre
	OBobligatòria	6.00	B	1primer semestre
Robòtica ProbabilísticaRobótica ProbabilísticaProbabilistic Robotics (3501MO3352) 1. Introducció 2. Filtre de Bayes 3. Filtres no paramètrics 4. Filtres paramètrics 5. Localització basada en mapes 6. SLAM basat en característiques	OBobligatòria	6.00	A	1primer semestre
	OBobligatòria	6.00	B	1primer semestre
Sistemes AutònomsSistemas AutónomosAutonomous Systems (3501MO3353) 1. Introducció als sistemes autònoms 2. Control reactiu 3. Planificació de trajectòries 4. Planificació de tasques 5. Introducció a l'exploració robòtica	OBobligatòria	6.00	A	1primer semestre
	OBobligatòria	6.00	B	1primer semestre
Geometria MultivistaGeometría MultivistaMultiview Geometry (3501MO3354) 1. Conceptes bàsics de la visió per computador 2. Formació d'imatges i modelatge de càmeres 3. Calibratge de la càmera 4. Detectors i descriptors de característiques 5. Estimació robusta en la visió per ordinador 6. Geometría de múltiples vistes 7. Estructura a partir del moviment i sistemes d'optimització 8. Visió per ordinador en temps real i visió aplicada a sistemes robòtics 9. Sistemes d'imatges òptiques no convencionals	OBobligatòria	6.00	A	1primer semestre
	OBobligatòria	6.00	B	1primer semestre
Aprenentatge AutomàticAprendizaje AutomáticoMachine Learning (3501MO3355) 1. Revisió de l'àlgebra lineal 2. Regressió lineal amb una variable 3. Regressió lineal amb múltiples variables 4. Regressió logística 5. Arbres de decisió 6. Regla de Bayes 7. Xarxes neuronals 8. Màquines de vector suport 9. Mètodes d'acoblament	OBobligatòria	6.00	A	1primer semestre
	OBobligatòria	6.00	B	1primer semestre

Ampliació Especialització I30.00 crèdits

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Projecte de IntervencióProyecto de IntervenciónHands-on Intervention (3501MO3356) 1. Servo control visual 2. Control de força 3. Control per prioritat de tasques 4. Projecte pràctic	OBobligatòria	6.00	A	2segon semestre
	OBobligatòria	6.00	B	2segon semestre
Projecte de localitzacióProyecto de localizaciónHands-on Localization (3501MO3357) 1. SLAM mitjançant el filtre de partícules 2. Revisió i discussió dels articles més rellevants del camp 3. SLAM mitjançant el Extended Kalman Filter 4. Revisió i discussió dels articles més rellevants del camp 5. Projecte pràctic	OBobligatòria	6.00	A	2segon semestre
	OBobligatòria	6.00	B	2segon semestre
Projecte de PercepcióProyecto de PercepciónHands-on Perception (3501MO3358) 1. Calibració i metrologia multicàmera 2. Estimació de la posició basada en el mapa 3. Creació de mapes òptics 2D 4. Projecte pràctic	OBobligatòria	6.00	A	2segon semestre
	OBobligatòria	6.00	B	2segon semestre
Projecte de PlanificacióProyecto de planificaciónHands-on Planning (3501MO3359) 1. Algorismes de planificació del moviment basats en la cerca 2. Algoritmes de planificació del moviment basats en mostreig i mostreig informat 3. Exploració basada en la informació 4. Projecte pràctic	OBobligatòria	6.00	A	2segon semestre
	OBobligatòria	6.00	B	2segon semestre
Gestió i emprenedoriaGestión y emprendimientoManagement & Entrepreneurship (3501MO3360) 1. Gestió, comunicació i lideratge 2. De la idea al mercat 3. Pla de negoci 4. Estudis de casos 5. Projecte de treball en equip	OBobligatòria	3.00	A	2segon semestre
	OBobligatòria	3.00	B	2segon semestre
Escriptura científica i bones pràctiques en la investigació (3501MO3361) 1. Fonaments de l'ètica en la investigació 2. Principis d’escriptura eficaç 3. Organització i format 4. El procés de publicació 5. Problemes d'escriptura científica 6. Revisió entre iguals i divulgació científica	OBobligatòria	3.00	A	2segon semestre
	OBobligatòria	3.00	B	2segon semestre

Especialització II30.00 crèdits

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Percepció 3D i fusió sensorialPercepción 3D y fusión sensorial3D perception and sensor fusion (3501MO3377) 1. Sistemes actius de percepció 3D (LIDAR, ToF, triangulació làser, etc.) 2. Principis de funcionament 3. Calibratge no paramètric dels sistemes de triangulació per làser 4. Registre de núvols de punts 5. Reconstrucció de superfícies 3D 6. Ajust de superfícies 7. Mesures en núvols de punts 8. Integració dels sensors en els robots	OBobligatòria	7.00	A	1primer semestre
Detecció i segmentació d'objectesDetección y segmentación de objetosObject detection and segmentation (3501MO3378) L'objectiu d'aquest curs és introduir a l'alumne tots els passos necessaris per desenvolupar un sistema de diagnòstic/detecció automàtic. Els temes del curs tracten tant l'esquema tradicional de segmentació, caracterització i classificació d'imatges com la recent i revolucionària tecnologia de l'aprenentatge profund.	OBobligatòria	5.00	A	1primer semestre
Aprenentage per reforçAprendizaje por refuerzoReinforcement Learning (3501MO3379) 1. Introducció 2. Processos de Markov 3. Aprenentatge tabular 4. OpenAI Gym i eines d'aprenentatge profund per a l'aprenentatge per reforç 5. Deep Q-networks 6. Policy Gradients 7. Mètodes Actor-Crític 8. Exploració	OBobligatòria	6.00	A	1primer semestre
Tècniques avançades d'aprenentage automàticAdvanced techniques in Machine Learning (3501MO3380) L'objectiu d'aquesta assignatura és aprofundir en el coneixement de l'aprenentatge automàtic estudiant diferents tècniques i aplicacions avançades de ciència de dades 1. Deep learning 2. Transfer learning 3. Aprenentatge per reforç 4. Xarxes convolucionals per al processament d'imatges 5. Mineria de text. Processament de el llenguatge natural 6. Sistemes recomanadors	OBobligatòria	6.00	A	1primer semestre
Estadística per a Ciència de DadesEstadística para Ciencia de DatosStatistics for Data Science (3501MO3381) L'objectiu d'aquesta assignatura és comprendre les bases estadístiques de la ciència de dades així com tècniques específiques que formen part del corpus de metodologies de la ciència de dades. 1. Tècniques i conceptes d'inferència estadística. 2. Reducció de la dimensionalitat per projeccions. 3. Models lineals generalitzats. 4. Modelització no lineal. 5. Tècniques de mostreig: validació creuada, bootstrapping. 6. Rendiment dels models predictius.	OBobligatòria	6.00	A	1primer semestre

Treball Final de Master30.00 crèdits

Nom de l’assignatura i descripció

Tipus

Crèdits

Grup

Durada

Tesi de MàsterTesis de MásterMaster Thesis (3501MO3382)

Tesi de màster sobre sistemes robòtics de camp intel·ligents

PFprojecte final de carrera

30.00

S

2segon semestre

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Necessàries

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Preferències

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Analytics

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Marketing

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.