Ayudas de Máster ValgrAI
Máster universitario en Ciencia de Datos
Las Ayudas de Máster ValgrAI 2026 te ofrecen la oportunidad de incorporarte a un grupo de investigación de la Unidad Mixta de Investigación (UMI) de ValgrAI y dar tus primeros pasos en la investigación aplicada en Inteligencia Artificial junto a algunos de los principales equipos de las universidades públicas valencianas. La iniciativa busca conectar al estudiantado de los másteres vinculados a ValgrAI con grupos de investigación de excelencia, facilitando una primera experiencia práctica en entornos científicos de referencia.
Las personas beneficiarias recibirán una ayuda económica asociada a un contrato de prácticas gestionado por ValgrAI para desarrollar un proyecto de investigación entre octubre y diciembre de 2026. Durante este periodo, trabajarán bajo la supervisión del personal investigador responsable de la práctica, integrándose en la actividad del grupo y participando en proyectos reales relacionados con la Inteligencia Artificial y sus aplicaciones.
Condiciones de la ayuda.
- Duración: de octubre a diciembre de 2026.
- Dedicación: 15 horas semanales.
- Dotación económica: 1.000 € brutos al mes.
- Modalidad: prácticas de investigación supervisadas en grupos de la Unidad Mixta de Investigación (UMI) de ValgrAI.
Una oportunidad para iniciar tu trayectoria investigadora.
La Unidad Mixta de Investigación de ValgrAI reúne a más de 80 investigadores e investigadoras de referencia en Inteligencia Artificial y disciplinas afines de las cinco universidades públicas valencianas, constituyendo uno de los principales ecosistemas de investigación en IA de la Comunitat Valenciana. Participar en estas prácticas te permitirá conocer de primera mano cómo se desarrolla la investigación de vanguardia, colaborar con equipos multidisciplinares y establecer vínculos con grupos que lideran proyectos científicos y de transferencia tecnológica nacionales e internacionales.
Proyectos disponibles.
Los proyectos ofertados para la realización de las prácticas en esta titulación son los siguientes:
El trabajo consistirá en un estudio analítico comparativo entre aproximaciones de aprendizaje automático clásico y sus contrapartidas cuánticas, entendiéndose como éstas tanto aproximaciones que parten de una base clásica e incorporan capas cuánticas en diferentes estados del procesado o del mapeado de características, como aproximaciones puramente cuánticas, que puedan testearse tanto en emuladores cuánticos como en QPUs (quantum processing units). Se presentará especial atención como posibles aplicaciones al azonamiento cuántico para la mejora de modelos de lenguaje y la resolución de problemas de optimización (por ejemplo, el conjunto de máxima independencia), estudiando evoluciones adiabáticas y contradiabáticas.
¡Accede a las preguntas más frecuentes AQUÍ!