Nanomáster en Algoritmos Verdes para la Inteligencia Artificial

Impulsa tu carrera en IA con un enfoque sostenible y multidisciplinar

El Nanomáster en Algoritmos Verdes para la Inteligencia Artificial es un programa formativo innovador diseñado para capacitar a profesionales, investigadores y estudiantes en el desarrollo e implementación de soluciones de IA eficientes, sostenibles y alineadas con los desafíos tecnológicos y sociales actuales. A través de cuatro microcredenciales especializadas y complementarias, este nanomáster ofrece una visión integral de las tecnologías, aplicaciones y marcos éticos que definen la nueva generación de inteligencia artificial:

Diseño e Implementación – Formación práctica en tecnologías punteras como GPUs y TPUs, optimización de algoritmos y arquitecturas sostenibles.
Aplicaciones Prácticas – Estudio de casos reales y herramientas en el uso de la inteligencia artificial para abordar desafíos medioambientales.
Computación de Altas Prestaciones y Robótica Sostenible – Técnicas de HPC y robótica adaptadas a principios de eficiencia energética y sostenibilidad.
Derecho, Ética y Economía – Enfoque transversal sobre los marcos regulatorios, implicaciones éticas y sostenibilidad económica de la IA.

Este programa está orientado a perfiles académicos, científicos y profesionales que deseen especializarse en IA con una perspectiva responsable, tecnológica y aplicada. Se podrá cursar cada microcredencial de forma individual para perfiles interesados en obtener una especialización dentro de esta área, obteniendo una certificación específica por cada una de ellas. Al completar las cuatro microcredenciales, el alumnado obtendrá un título de nanomáster, que certifica una formación avanzada, multidisciplinar y alineada con los Objetivos de Desarrollo Sostenible (ODS).

¿A quién va dirigido?

Profesionales de la IA, datos o ingeniería interesados en sostenibilidad tecnológica.
Investigadores y académicos que quieran actualizar su formación en IA eficiente.
Estudiantes de máster o últimos cursos de grado con interés en tecnologías verdes.

Adelántate al futuro de la IA. Fórmate con una visión ética, sostenible y de alto impacto

Lista de microcredenciales

Microcredencial Algoritmos Verdes para la Inteligencia Artificial: Diseño e Implementación

Presentación

Esta microcredencial ofrece una formación práctica y especializada en el uso de tecnologías punteras, como GPUs y TPUs, que aceleran el desarrollo de modelos de aprendizaje automático. A lo largo del curso, también se enseñarán técnicas para optimizar arquitecturas y algoritmos, favoreciendo una implementación eficiente y sostenible en entornos reales.

Esta formación está diseñada para dar respuesta a las necesidades de diferentes perfiles. Desde el ámbito académico, amplía la oferta formativa e impulsa enfoques tecnológicos más respetuosos con el medio ambiente. En el contexto científico, capacita a investigadores para innovar en el diseño de modelos de IA eficientes, combinando teoría y práctica. Y desde una perspectiva profesional, responde a la creciente demanda de expertos en inteligencia artificial con una sólida preparación técnica y una visión clara de los retos de la sostenibilidad.

Requisitos mínimos de acceso

Tener completado bachillerato, BUP, FPII o un Ciclo Formativo Superior.
Conocimientos de programación.

Objetivos

Esta microcredencial busca formar a los estudiantes en el uso de la inteligencia artificial como una herramienta para promover la sostenibilidad ambiental y la eficiencia energética. Los estudiantes aprenderán a desarrollar y gestionar soluciones que optimicen el uso de recursos, reduzcan la huella ecológica y apoyen iniciativas verdes en diversas industrias. De manera específica, busca:

Comprender los fundamentos de la IA verde y su importancia para un desarrollo tecnológico sostenible y eficiente.
Diseñar e implementar modelos de aprendizaje automático que optimicen el uso de recursos energéticos y computacionales.
Evaluar el impacto ambiental y técnico de los modelos de IA a lo largo de su ciclo de vida, aplicando criterios de sostenibilidad.
Aplicar estrategias y herramientas de hardware eficiente, integrándolas en soluciones prácticas en diversos contextos.
Comunicar y liderar proyectos de IA sostenible, transmitiendo sus beneficios a públicos técnicos y no técnicos.
Trabajar en entornos interdisciplinares y fomentar el aprendizaje continuo, adaptándose a los avances en IA verde y computación eficiente.

Fechas clave

	Inicio	Finalización
Preinscripción	15 de mayo de 2025	15 de junio de 2025
Comunicación de admitidos	Junio 2025
Matrícula	1 de julio de 2025	15 de julio de 2025
Sesiones lectivas	8 de septiembre de 2025	17 de octubre de 2025
Prueba objetiva	Octubre de 2025

Contenidos

Fundamentos de aprendizaje automático y eficiencia computacional

Introducción a los conceptos clave del aprendizaje automático y el aprendizaje profundo. Tipos de algoritmos, flujos de trabajo comunes y retos actuales desde una perspectiva de sostenibilidad. Exploración de entornos de desarrollo como Google Colab y herramientas para experimentación reproducible y eficiente. Comparación de arquitecturas de hardware (CPU vs GPU vs TPU) desde el punto de vista del consumo energético y la escalabilidad.

Técnicas para el diseño eficiente de modelos de inteligencia artificial

Estudio de técnicas avanzadas para reducir el coste computacional del entrenamiento y despliegue de modelos de IA. Se abordarán estrategias como el knowledge distillation, la cuantización de modelos, el uso de modelos compactos y el diseño automatizado de arquitecturas (NAS). Exploración de modelos eficientes en visión por computador y procesamiento del lenguaje natural (NLP), así como en sistemas de recomendación.

Procesamiento del lenguaje natural con enfoque sostenible

Aplicación de técnicas de IA verde en tareas de lenguaje natural como traducción automática, clasificación y generación de texto. Introducción al prompt engineering y a métodos para la adaptación eficiente de modelos a tareas específicas. Análisis de modelos de lenguaje compactos y técnicas para reducir su huella computacional en aplicaciones del mundo real.

Arquitecturas especializadas y paradigmas emergentes en IA eficiente

Análisis de arquitecturas emergentes como los Modelos Mixtos de Expertos (MoE) y su aplicabilidad en sistemas escalables y sostenibles. Estudio de técnicas como el aprendizaje por refuerzo y su papel en la eficiencia del entrenamiento. Introducción a la generación de datos sintéticos para IA mediante datasets anotados artificialmente, así como estrategias de data augmentation y domain adaptation para entrenar modelos con menos recursos.

Aplicaciones gráficas y visión por computador con IA verde

Exploración del uso de IA en aplicaciones gráficas avanzadas, incluyendo la síntesis de vistas novedosas en 3D (3D Novel-view synthesis) y la generación de datos sintéticos para entrenamiento de modelos de visión. Análisis de herramientas y arquitecturas que permiten reducir la carga computacional en tareas de percepción visual y generación de contenido.

Criterios de selección

Tendrá preferencia el alumnado con titulaciones de la rama de Ingeniería e Arquitectura.
La valoración de los requisitos la realizará la Comisión Académica del título, en función de la forma de acceso, según los siguientes criterios:
– Rendimiento académico demostrado durante la etapa de formación, en lo que respecta al aprendizaje de conocimientos técnicos y competencias básicas y específicas (40%). Se tendrán en cuenta los expedientes académicos universitarios de carreras afines (30%), cursos de formación profesional (20%) o bachillerato tecnológico (10%). En el caso de presentar más de uno de estos requisitos, se tendrá en cuenta la media más alta. El 10% restante se reservará a másteres universitarios.
– Conocimiento certificado de inglés como lengua de trabajo (20 %).
Parámetro de valoración: desarrollo de destrezas lingüísticas de nivel avanzado, suficientes como para permitir una comprensión lectora avanzada y una comunicación fluida, oral y escrita, en entornos académicos o profesionales.
Para medir dicho desempeño, se tomarán como referencia las certificaciones de lengua inglesa de carácter oficial presentadas por las personas candidatas (B1: 5 %, B2: 10 %, C1: 15 % y C2: 20 %).
– Excelencia profesional y motivación académica valoradas a partir del curriculum vitae (40 %).

Tipo de evaluación

El método de evaluación consistirá en:

– Prueba teórica para evaluar la comprensión de conceptos y teorías.

– Evaluaciones Prácticas: Proyectos y ejercicios prácticos para demostrar la capacidad de aplicación de los conocimientos adquiridos. Es obligatorio asistir al menos al 60 % de las actividades presenciales y obtener una nota superior a 5 en ambas valoraciones.

La calificación final del curso se compone de entre un 50-100% para la nota obtenida en el examen teórico y en un 0-50% para la parte de prácticas.

Ficha técnica

150 horas [6 ECTS] [1 ECTS = 25 horas]

Sesiones ordinarias: lunes y miércoles, de 16:00 a 20:00 h

Examen final

Trabajo individual de preparación de lecturas y casos de estudio con carácter previo a las sesiones ordinarias y talleres prácticos.

Trabajo individual de preparación del examen final.

Nanomáster en Algoritmos Verdes para la Inteligencia Artificial

Mínimo 12 – máximo 24

150 €

La admisión en la Microcredencial en Algoritmos Verdes para la Inteligencia Artificial: Diseño e Implementación será definitiva una vez la Unidad de Estudios Propios de Posgrado haya verificado e informado favorablemente la solicitud y documentación remitidas. Tendrán preferencia aquellos alumnos que hayan cursado otras microcredenciales relacionadas con el Nanomáster en Algoritmos Verdes para la Inteligencia Artificial.

CITIC, Universidade da Coruña

Campus de Elviña s/n – 15071 A Coruña

Brais Cancela Barizo, profesor titular de universidad, investigador de la Cátedra UDC-Inditex de IA en Algoritmos Verdes.

catedra.inditex.algoritmos.verdes@udc.gal