Descripción
-
Tipología
Master oficial
-
Metodología
En línea
-
Horas lectivas
975h
-
Duración
12 Meses
Descripción
En la actualidad, la inteligencia artificial está transformando todas las áreas de la sociedad, desde la industria y la salud hasta el entretenimiento y la seguridad.
Esta Maestría en Inteligencia Artificial es una excelente opción para aquellos estudiantes que buscan una especialización en una de las tecnologías más importantes y en crecimiento en la actualidad. Obtendrás los conocimientos y habilidades necesarios para diseñar, desarrollar y aplicar soluciones basadas en la inteligencia artificial. Tendrás una amplia gama de oportunidades profesionales, sobre todo en empresas de tecnología, investigación y desarrollo.
Contarás con un equipo de profesionales especializados en la materia. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.
Precisiones importantes
Precio a usuarios Emagister:
Sedes y fechas disponibles
Online
Inicio
Fechas disponibles
Inscripciones cerradas
Opiniones
¿Tomaste este curso? Comparte tu opinión
Materias
- Big Data
- Inteligencia artificial
- Análisis de datos
- E-business
- Data mining
Programa académico
MÓDULO 1. TRANSFORMACIÓN DIGITAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
Introducción a la transformación digital
Concepto de innovación
Concepto de tecnología
Tipología de la tecnología
Punto de vista de la ventaja competitiva
Según su disposición en la empresa
Desde el punto de vista de un proyecto
Otros tipos de tecnología
La innovación tecnológica
Competencias básicas de la innovación tecnológica
El proceso de innovación tecnológica
Herramientas para innovar
Competitividad e innovación
UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0
Filosofía Web 3.0 y su impacto en el mundo empresarial
Socialización de la Web
Adaptación del mundo empresarial a las Nuevas tecnologías
UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL
Community Manager
Chief Data Officer
Data Protection Officer
Data Scientist
Otros perfiles
Desarrollo de competencias informáticas
El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL
La transición digital del modelo de negocio tradicional
Nuevos modelos de negocio
Freemium
Modelo Long Tail
Modelo Nube y SaaS
Modelo Suscripción
Dropshipping
Afiliación
Infoproductos y E-Learning
Otros
UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL
Diagnóstico de la madurez digital de la empresa
Análisis de la innovación en la empresa
Elaboración del roadmap
Provisión de financiación y recursos tecnológicos
Implementación del plan de transformación digital
Seguimiento del plan de transformación digital
UNIDAD DIDÁCTICA 4. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL
BBVA y la empresa inteligente
DKV Salud y #MédicosfrentealCOVID
El Corte Inglés
Cepsa y su apuesta por los servicios cloud de AWS
UNIDAD DIDÁCTICA 6. EL NUEVO CLIENTE DIGITAL
Rediseñando el customer experience
La transformación de los canales de distribución: omnicanalidad
Plan de marketing digital
Buyer´s Journey
Growth Hacking: estrategia de crecimiento
El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 7. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
Oportunidades de innovación derivadas de la globalización
Como Inventar Mercados a través de la Innovación
Etapas de desarrollo y ciclos de vida
Incorporación al mercado
Metodologías de desarrollo
UNIDAD DIDÁCTICA 8. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
La transformación digital de la cadena de valor
La industria 4.0
Adaptación de la organización a través del talento y la innovación
Modelos de proceso de innovación
Gestión de innovación
Sistema de innovación
Cómo reinventar las empresas innovando en procesos
Innovación en Procesos a través de las TIC
El Comercio Electrónico: innovar en los canales de distribución
Caso de estudio voluntario: La innovación según Steve Jobs
Caso Helvex: el cambio continuo
La automatización de las empresas: RPA, RBA y RDA
MÓDULO 2. BIG DATA
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
¿Qué es Big Data?
La era de las grandes cantidades de información. Historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
Definición y relevancia de la selección de las fuentes de datos
Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
Definición, Beneficios y Características
Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
MÓDULO 3. BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 1. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
Definiendo el concepto de Business Intelligence y sociedad de la información
Arquitectura de una solución de Business Intelligence
Business Intelligence en los departamentos de la empresa
Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas operacionales y Procesos ETL en un sistema de BI
Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 2. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 3. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de textos y Web Mining
Data mining y marketing
UNIDAD DIDÁCTICA 4. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
Aproximación al concepto de DataMart
Procesos de extracción, transformación y carga de datos (ETL)
Data Warehouse
Herramientas de Explotación
Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 5. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
Visión General. ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
¿Qué es la visualización de datos?
Importancia y herramientas de la visualización de datos
Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 7. TABLEAU
¿Qué es Tableau? Usos y aplicaciones
Tableau Server: Arquitectura y Componentes
Instalación Tableau
Espacio de trabajo y navegación
Conexiones de datos en Tableau
Tipos de filtros en Tableau
Ordenación de datos, grupos, jerarquías y conjuntos
Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 8. POWERBI
Business Intelligence en Excel
Herramientas Powerbi
MÓDULO 4. METODOLOGÍA DE LA INVESTIGACIÓN
UNIDAD DIDÁCTICA 1. EL CONOCIMIENTO CIENTÍFICO - CONCEPTO DE INVESTIGACIÓN
La investigación científica: proceso de descubrimiento y construcción del conocimiento
El ejercicio profesional y el uso de insumos variados en la ciencia y tecnología
Origen de un proceso de Investigación y opciones paradigmáticas
UNIDAD DIDÁCTICA 2. IDENTIFICACIÓN Y FORMULACIÓN DE PROBLEMAS PARA LA INVESTIGACIÓN
Construcción de un marco conceptual y antecedentes como parte de una iniciativa de Investigación
Actuación sobre el problema, propósito y objetivo
UNIDAD DIDÁCTICA 3. VARIABLES O FACTORES DE INTERÉS - INDICADORES Y FUENTES DE DATOS
Definiciones claves
Delimitación y justificación de cada Investigación
Revisión de literatura relevante y sustentación de las variables en el marco de un proceso de investigación
Identificación, selección, clasificación y uso de fuentes y sustentación de las variables e hipótesis
UNIDAD DIDÁCTICA 4. PROCEDIMIENTO GENERAL
Diseño
Universo
Muestreo
Instrumentación
Recolección y procesamiento de datos
Análisis, interpretación y reporte de resultados
MÓDULO 5. CIENCIA DE DATOS: DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
Modelo de datos
Tipos de datos
Claves primarias
Índices
El valor NULL
Claves ajenas
Vistas
Lenguaje de descripción de datos (DDL)
Lenguaje de control de datos (DCL)
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL Teorema de CAP
Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
¿Qué es MongoDB?
Funcionamiento y usos de MongoDB
Primeros pasos con MongoDB: Instalación y Shell de comandos
Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
Actualización de datos en MongoDB: Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados
MÓDULO 6. 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
MÓDULO 7. MACHINE LEARNING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
Machine Learning
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. 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
MÓDULO 8. 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
MÓDULO 9. 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
MÓDULO 10. INTERNET DE LAS COSAS
UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 2. TECNOLOGÍAS APLICADAS A INTERNET DE LAS COSAS
La relación entre M2M e IoT
IoT y Smart Cities
Los sistemas inteligentes de transporte
Smart Home
UNIDAD DIDÁCTICA 3. DISPOSITIVOS Y APLICACIONES IOT
Dispositivos e IoT
Interfaces
Impresión 3D
UNIDAD DIDÁCTICA 4. SEGURIDAD EN IOT
La seguridad TIC
Tipos de seguridad TIC
Vulnerabilidades de IoT
Necesidades de seguridad específicas de IoT
UNIDAD DIDÁCTICA 5. SISTEMAS ENERGÉTICOS BASADOS EN IOT
La importancia de la eficiencia energética
Las fuentes de consumo
IoT como gran aliado de las energías renovables
Microrredes
UNIDAD DIDÁCTICA 6. SISTEMAS CIBERFÍSICOS
Contexto Sistemas Ciberfísicos (CPS)
Características CPS
Componentes CPS
Ejemplos de uso
Retos y líneas futuras
UNIDAD DIDÁCTICA 7. INTERNET DE LAS COSAS CON ARDUINO
Introducción a Arduino
Características
Objetivos
Una vuelta por el pasado
El microcontrolador
Componentes hardware
MÓDULO 11. ROBÓTICA Y AUTOMATIZACIÓN INDUSTRIAL
UNIDAD DIDÁCTICA 1. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL
Conceptos previos
Objetivos de la automatización
Grados de automatización
Clases de automatización
Equipos para la automatización industrial
Diálogo Hombre-máquina, HMI y SCADA
UNIDAD DIDÁCTICA 2. PRINCIPIOS ELÉCTRICOS Y ELECTRO-MAGNÉTICOS
Principios y propiedades de la corriente eléctrica
Fenómenos eléctricos y electromagnéticos
Medida de magnitudes eléctricas. Factor de potencia
Leyes utilizadas en el estudio de circuitos eléctricos
Sistemas monofásicos. Sistemas trifásicos
UNIDAD DIDÁCTICA 3. INSTALACIONES ELÉCTRICAS APLICADAS A INSTALACIONES AUTOMATIZADAS
Tipos de motores y parámetros fundamentales
Procedimientos de arranque e inversión de giro en los motores
Sistemas de protección de líneas y receptores eléctricos
Variadores de velocidad de motores. Regulación y control
Dispositivos de protección de líneas y receptores eléctricos
UNIDAD DIDÁCTICA 4. COMPONENTES DE AUTOMATISMOS ELÉCTRICOS
Automatismos secuenciales y continuos. Automatismos cableados
Elementos empleados en la realización de automatismos: elementos de operador, relé, sensores y transductores
Cables y sistemas de conducción de cables
Técnicas de diseño de automatismos cableados para mando y potencia
Técnicas de montaje y verificación de automatismos cableados
UNIDAD DIDÁCTICA 5. REGLAJE Y AJUSTES DE INSTALACIONES AUTOMATIZADAS
Reglajes y ajustes de sistemas mecánicos, neumáticos e hidráulicos
Reglajes y ajustes de sistemas eléctricos y electrónicos
Ajustes de Programas de PLC entre otros
Reglajes y ajustes de sistemas electrónicos
Reglajes y ajustes de los equipos de regulación y control
Informes de montaje y de puesta en marcha
UNIDAD DIDÁCTICA 6. ROBÓTICA. EVOLUCIÓN Y PRINCIPALES CONCEPTOS
Introducción a la robótica
Contexto de la robótica industrial
Mercado actual de los brazos manipuladores
Qué se entiende por Robot Industrial
Elementos de un sistema robótico
Subsistemas de un robot
Tareas desempeñadas con robótica
Clasificación de los robots
UNIDAD DIDÁCTICA 7. INCORPORACIÓN DEL ROBOT EN UNA LÍNEA AUTOMATIZADA
El papel de la Robótica en la automatización
Interacción de los robots con otras máquinas
La célula robotizada
Estudio técnico y económico del robot
Normativa
Accidentes y medidas de seguridad
UNIDAD DIDÁCTICA 8. CARACTERÍSTICAS TÉCNICAS Y MORFOLÓGICAS DE LOS ROBOTS
Componentes del brazo robot
Características y capacidades del robot
Definición de grados de libertad
Definición de capacidad de carga
Definición de velocidad de movimiento
Resolución espacial, exactitud, repetibilidad y flexibilidad
Definición de volumen de trabajo
Consideraciones sobre los sistemas de control
Morfología de los robots
Tipo de coordenadas cartesianas. Voladizo y pórtico
Tipología cilíndrica
Tipo esférico
Brazos robots universal
UNIDAD DIDÁCTICA 9. EQUIPOS ACTUADORES
Tipología de actuadores y transmisiones
Funcionamiento y curvas características
Funcionamiento de los Servomotores
Motores paso a paso
Actuadores Hidráulicos
Actuadores Neumáticos
Estudio comparativo
Tipología de transmisiones
UNIDAD DIDÁCTICA 10. SENSORES EN ROBÓTICA
Dispositivos sensoriales
Características técnicas
Puesta en marcha de sensores
Sensores de posición no ópticos
Sensores de posición ópticos
Sensores de velocidad
Sensores de proximidad
Sensores de fuerza
Visión artificial
UNIDAD DIDÁCTICA 11. LA UNIDAD CONTROLADORA
El controlador
Hardware
Métodos de control
El procesador en un controlador robótico
Ejecución a tiempo real
UNIDAD DIDÁCTICA 12. ELEMENTOS TERMINALES Y APLICACIONES DE TRASLADO. PICK AND PLACE
Elementos y actuadores terminales de robots
Conexión entre la muñeca y la herramienta final
Utilización de robots para traslado de materiales y carga/descarga automatizada. Pick and place
Aplicaciones de traslado de materiales. Pick and place
Cogida y sujeción de piezas por vacío. Ventosas
Imanes permanentes y electroimanes
Pinzas mecánicas para agarre
Sistemas adhesivos
Sistemas fluídicos
Agarre con enganche
MÓDULO 12. DIGITAL TWINS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A DIGITAL TWINS
¿Qué es Digital Twins?
Campos de aplicación de Digital Twins
Uso de la inteligencia artificial y el Machine Learning en Digital Twins
Digital Twins como herramienta en la producción
Monitorización del gemelo digital en la toma de decisiones
Comunicación entre Sistema real y Digital Twin
Optimización del matenimiento con Digital Twins
UNIDAD DIDÁCTICA 2. SIMULACIÓN DE PRODUCCIÓN DE FABRICACIÓN MECÁNICA
Concepto, clasificación y aplicaciones
Gestión del reloj en la simulación discreta
Simulación aleatoria, obtención de muestras y análisis de resultados
Introducción a los lenguajes de simulación
UNIDAD DIDÁCTICA 3. CONTEXTO DE LA INGENIERÍA SIMULTANEA Y CICLO DE VIDA DEL PRODUCTO
Antecedentes y surgimiento de las técnicas de ingeniería simultanea
Control de la producción desde el diseño
Diseño para seis sigma DFSS
Definición y tendencias de la Ingeniería Concurrente
Ingeniería convencional VS ingeniería concurrente
Fundamentos y elementos comunes las herramientas de la ingeniería concurrente: las T´s
Ciclo de vida del producto
Herramientas “Disign for X”
Ejemplos de aplicación de la ingeniería simultanea
UNIDAD DIDÁCTICA 4. INTEGRACIÓN DE LA INGENIERÍA CONCURRENTE CON EL SISTEMA DE GESTIÓN DE CALIDAD
Paralelismos entre calidad e ingeniería simultánea
Herramientas de mejora de la calidad
El aseguramiento de la calidad: la ISO y PDCA
La gestión de la calidad total: EFQM
Diagrama Causa-Efecto
Diagrama de Pareto
Círculos de Control de Calidad
UNIDAD DIDÁCTICA 5. FUNDAMENTOS DE SISTEMAS DE CONTROL Y SUPERVISIÓN DE PROCESOS: SCADA Y HMI
Contexto evolutivo de los sistemas de visualización
Sistemas avanzados de organización industrial: ERP y MES
Consideraciones previas de supervisión y control
El concepto de “tiempo real” en un SCADA
Conceptos relacionados con SCADA
Definición y características del sistemas de control distribuido
Sistemas SCADA frente a DCS
Viabilidad técnico económica de un sistema SCADA
Mercado actual de desarrolladores SCADA
PC industriales y tarjetas de expansión
Pantallas de operador HMI
Características de una pantalla HMI
Software para programación de pantallas HMI
Dispositivos tablet PC
UNIDAD DIDÁCTICA 6. BUSES Y REDES INDUSTRIALES. CONCEPTOS INICIALES
Buses de campo: aplicación y fundamentos
Evaluación de los buses industriales
Diferencias entre cableado convencional y cableado con Bus
Selección de un bus de campo
Funcionamiento y arquitectura de nodos y repetidores
Conectores normalizados
Normalización
Comunicaciones industriales aplicadas a instalaciones en Domótica e Inmótica
Buses propietarios y buses abiertos
Tendencias
Gestión de redes
UNIDAD DIDÁCTICA 7. FUNCIONAMIENTO Y APLICACIÓN DE LOS PRINCIPALES BUSES INDUSTRIALES
Clasificación de los buses
AS-i (Actuator/Sensor Interface)
DeviceNet
CANopen (Control Area Network Open)
SDS (Smart Distributed System)
InterBus
WorldFIP (World Factory Instrumentation Protocol)
HART (Highway Addressable Remote Transducer)
P-Net
BITBUS
ARCNet
CONTROLNET
PROFIBUS (PROcess FIeld BUS)
FIELDBUS FOUNDATION
MODBUS
ETHERNET INDUSTRIAL
UNIDAD DIDÁCTICA 8. GMAO - GESTIÓN DEL MANTENIMIENTO ASISTIDO POR ORDENADOR
Que es GMAO
Que es CMMS - GMAC
Ventajas de utilizar Programas GMAO - Software GMAO
Los mejores Programas GMAO - Software GMAO
Módulos de un GMAOComo elegir un Programa GMAO - Software GMAOSoftware de mantenimiento gratuito PMX-PRO
MÓDULO 13. SEMINARIO DE TESIS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y TRASFONDO
Introducción
Antecedentes
Marco Contextual
Planteamiento del problema y preguntas de investigación
Justificación del problema de investigación
Objetivo general y específicos
Variables e indicadores
Definición de términos
UNIDAD DIDÁCTICA 2. REVISIÓN DE LITERATURA
Introducción
Revisión de literatura referente al estudio a realizar
UNIDAD DIDÁCTICA 3. METODOLOGÍA
Introducción
Tipo de Estudio
Descripción de la población y muestra
Descripción del Instrumento de investigación
Validación y confiabilidad del Instrumento de investigación
Procedimientos
Análisis estadísticos
Alcances y límites del estudio
UNIDAD DIDÁCTICA 4. PRESENTACIÓN DE LOS RESULTADOS
Introducción
Presentación de Resultados
UDIDAD DIDÁCTICA 5. DISCUSIÓN
Introducción
Análisis
Conclusiones
Recomendaciones
Referencias
Anexos
MÓDULO 14. 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
MÓDULO 15. 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)
MÓDULO 16. CIENCIAS DEL COMPORTAMIENTO, BIG DATA, INTELIGENCIA ARTIFICIAL E INTERNET OF BEHAVIORS (IOB)
UNIDAD DIDÁCTICA 1. MARKETING, MERCHANDISING Y PUBLICIDAD EN IOB
Internet of Behavior
UNIDAD DIDÁCTICA 2. CIENCIAS COGNITIVAS DEL COMPORTAMIENTO
Ciencia cognitiva
UNIDAD DIDÁCTICA 3. NEUROPSICOLOGÍA Y CÓMO CAPTAR LA ATENCIÓN DE UN USUARIO
Neuropsicología
UNIDAD DIDÁCTICA 4. PRODUCTOS Y CONTENIDOS PERSONALIZADOS GRACIAS AL INTERNET OF BEHAVIORS (IOB)
Personalización IOB
UNIDAD DIDÁCTICA 5. VISIÓN POR COMPUTADORA Y ANÁLISIS FACIAL
La visión Artificial
UNIDAD DIDÁCTICA 6. PROCESAMIENTO AUTOMÁTICO DE IDIOMAS
Procesamiento del lenguaje natural
UNIDAD DIDÁCTICA 7. ANÁLISIS DE COMPORTAMIENTO Y SEGURIDAD OPERACIONAL
Análisis de comportamiento
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL ANÁLISIS DE SENTIMIENTOS
Análisis de opinión
MÓDULO 17.TRABAJO DE TESIS
UNIDAD DIDÁCTICA 1. PROBLEMA E HIPÓTESIS
Selección del problema
Ejemplo de problema
Planteamiento del problema
Definición del problema
Definición de conceptos
Límites de la investigación
Formulación de hipótesis
Sugerencias para la elaboración de hipótesis
Hipótesis de investigación
Hipótesis de nulidad
Nivel de significación
Las variables
Clasificación
Papel de las variables en las hipótesis
Investigación descriptiva
Investigación explicativa
Investigaciones correlacionales
Estudios transversales y longitudinales
Estudios cuantitativos y cualitativos
UNIDAD DIDÁCTICA 2. INSTRUMENTOS DE INVESTIGACIÓN Y PRODUCCIÓN CIENTÍFICA
La observación
Los cuestionarios
La entrevista
El análisis de contenidos
Análisis de datos
Mecanismos y procedimientos para el procesamiento de datos
Instrumentos estadísticos: porcentajes, el modo, la media, la mediana y la desviación estándar
UNIDAD DIDÁCTICA 3. PRESENTACIÓN DE DATOS
Los gráficos lineales
Los gráficos de barras
Los gráficos circulares
Los cuadros de área o volumen
Los mapas
Los esquemas
Matrices
UNIDAD DIDÁCTICA 4. ELABORACIÓN DEL PROYECTO
Título de tema
Introducción
Planteamiento del problema
Objetivos
Hipótesis
Marco teórico
Metodología
Tipo de estudio
Instrumento para la recolección de datos
Procedimientos
Universo y muestra
Esquema de posibles capítulos
Bibliografía y referencias bibliográficas
Anexos