Curso Gratuito Maestría Oficial en Inteligencia Artificial

Información gratuita

Nombre y apellidos

Email

Teléfono

Situación laboral

País

Provincia

Acepto la Política de Privacidad, el Aviso Legal y la Política de Cookies de cursosgratuitos.es

Curso 100% Bonificable si eres trabajador contratado en el régimen general y envías la documentación de matrícula (en el caso de ser estudiante, desempleado, autónomo, funcionario o jubilado puedes realizar este curso de forma parcialmente subvencionada)

Para qué te prepara:

Gracias a esta Maestría en Inteligencia Artificial estarás preparado/a para una amplia gama de oportunidades profesionales en campos relacionados con la inteligencia artificial, ya sea en la industria, la investigación o el sector académico. Podrás desempeñar roles en la ciencia de datos, el aprendizaje automático, la visión artificial, el procesamiento del lenguaje natural y otros campos relacionados con la inteligencia artificial.

A quién va dirigido:

Esta Maestría en Inteligencia Artificial es adecuada para aquellos que tengan un título de licenciatura en ciencias de la computación, ingeniería, matemáticas, física o una disciplina relacionada. También es adecuada para aquellos con experiencia laboral en tecnología y que buscan actualizar sus habilidades en el campo de la inteligencia artificial.

Titulación:

Titulación de Maestría Oficial en Inteligencia Artificial expedida por la Universidad Católica Nordestana en colaboración con Euroinnova International Online Education

Objetivos:

- Comprender los conceptos y teorías de la inteligencia artificial y todas sus posibles aplicaciones. - Aplicar la IA en el aprendizaje automático, el procesamiento del lenguaje natural y la visión artificial. - Desarrollar habilidades en programación y análisis de datos, utilizando herramientas y técnicas específicas. - Resolver problemas en diversos sectores, como la salud, la industria y la seguridad. - Diseñar y desarrollar sistemas inteligentes que puedan adaptarse y mejorar a medida que se utilizan. - Evaluar y mejorar la eficacia de los sistemas de inteligencia artificial usando técnicas de evaluación y pruebas. - Aprender a aplicar la inteligencia artificial en el internet de las cosas y su aplicación en la industria 4.0.

Salidas Laborales:

Las salidas profesionales de esta Maestría en Inteligencia Artificial son muy amplias y reconocidas. Podrás trabajar en diferentes sectores como industria, investigación o el sector académico, optando a puestos como Científico de datos, Machine Learning Engineer, Especialista en visión artificial, Programador de chatbots, AI Designer o Investigador de Inteligencia artificial.

Resumen:

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.

Metodología:

Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.

Temario:

MÓDULO 1. TRANSFORMACIÓN DIGITAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
  1. Introducción a la transformación digital
  2. Concepto de innovación
  3. Concepto de tecnología
  4. Tipología de la tecnología
  5. Punto de vista de la ventaja competitiva
  6. Según su disposición en la empresa
  7. Desde el punto de vista de un proyecto
  8. Otros tipos de tecnología
  9. La innovación tecnológica
  10. Competencias básicas de la innovación tecnológica
  11. El proceso de innovación tecnológica
  12. Herramientas para innovar
  13. Competitividad e innovación
UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0
  1. Filosofía Web 3.0 y su impacto en el mundo empresarial
  2. Socialización de la Web
  3. Adaptación del mundo empresarial a las Nuevas tecnologías
UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL
  1. Community Manager
  2. Chief Data Officer
  3. Data Protection Officer
  4. Data Scientist
  5. Otros perfiles
  6. Desarrollo de competencias informáticas
  7. El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL
  1. La transición digital del modelo de negocio tradicional
  2. Nuevos modelos de negocio
  3. Freemium
  4. Modelo Long Tail
  5. Modelo Nube y SaaS
  6. Modelo Suscripción
  7. Dropshipping
  8. Afiliación
  9. Infoproductos y E-Learning
  10. Otros
UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL
  1. Diagnóstico de la madurez digital de la empresa
  2. Análisis de la innovación en la empresa
  3. Elaboración del roadmap
  4. Provisión de financiación y recursos tecnológicos
  5. Implementación del plan de transformación digital
  6. Seguimiento del plan de transformación digital
UNIDAD DIDÁCTICA 4. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL
  1. BBVA y la empresa inteligente
  2. DKV Salud y #MédicosfrentealCOVID
  3. El Corte Inglés
  4. Cepsa y su apuesta por los servicios cloud de AWS
UNIDAD DIDÁCTICA 6. EL NUEVO CLIENTE DIGITAL
  1. Rediseñando el customer experience
  2. La transformación de los canales de distribución: omnicanalidad
  3. Plan de marketing digital
  4. Buyer´s Journey
  5. Growth Hacking: estrategia de crecimiento
  6. El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 7. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
  1. Oportunidades de innovación derivadas de la globalización
  2. Como Inventar Mercados a través de la Innovación
  3. Etapas de desarrollo y ciclos de vida
  4. Incorporación al mercado
  5. Metodologías de desarrollo
UNIDAD DIDÁCTICA 8. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
  1. La transformación digital de la cadena de valor
  2. La industria 4.0
  3. Adaptación de la organización a través del talento y la innovación
  4. Modelos de proceso de innovación
  5. Gestión de innovación
  6. Sistema de innovación
  7. Cómo reinventar las empresas innovando en procesos
  8. Innovación en Procesos a través de las TIC
  9. El Comercio Electrónico: innovar en los canales de distribución
  10. Caso de estudio voluntario: La innovación según Steve Jobs
  11. Caso Helvex: el cambio continuo
  12. La automatización de las empresas: RPA, RBA y RDA

MÓDULO 2. BIG DATA

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información. Historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
  1. Definición y relevancia de la selección de las fuentes de datos
  2. Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP
  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

MÓDULO 3. BUSINESS INTELLIGENCE

UNIDAD DIDÁCTICA 1. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución de Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 2. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 3. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 4. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Procesos de extracción, transformación y carga de datos (ETL)
  3. Data Warehouse
  4. Herramientas de Explotación
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 5. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
  1. Visión General. ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 7. TABLEAU
  1. ¿Qué es Tableau? Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 8. POWERBI
  1. Business Intelligence en Excel
  2. Herramientas Powerbi

MÓDULO 4. METODOLOGÍA DE LA INVESTIGACIÓN

UNIDAD DIDÁCTICA 1. EL CONOCIMIENTO CIENTÍFICO - CONCEPTO DE INVESTIGACIÓN
  1. La investigación científica: proceso de descubrimiento y construcción del conocimiento
  2. El ejercicio profesional y el uso de insumos variados en la ciencia y tecnología
  3. Origen de un proceso de Investigación y opciones paradigmáticas
UNIDAD DIDÁCTICA 2. IDENTIFICACIÓN Y FORMULACIÓN DE PROBLEMAS PARA LA INVESTIGACIÓN
  1. Construcción de un marco conceptual y antecedentes como parte de una iniciativa de Investigación
  2. Actuación sobre el problema, propósito y objetivo
UNIDAD DIDÁCTICA 3. VARIABLES O FACTORES DE INTERÉS - INDICADORES Y FUENTES DE DATOS
  1. Definiciones claves
  2. Delimitación y justificación de cada Investigación
  3. Revisión de literatura relevante y sustentación de las variables en el marco de un proceso de investigación
  4. Identificación, selección, clasificación y uso de fuentes y sustentación de las variables e hipótesis
UNIDAD DIDÁCTICA 4. PROCEDIMIENTO GENERAL
  1. Diseño
  2. Universo
  3. Muestreo
  4. Instrumentación
  5. Recolección y procesamiento de datos
  6. Análisis, interpretación y reporte de resultados

MÓDULO 5. CIENCIA DE DATOS: DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Modelo de datos
  2. Tipos de datos
  3. Claves primarias
  4. Índices
  5. El valor NULL
  6. Claves ajenas
  7. Vistas
  8. Lenguaje de descripción de datos (DDL)
  9. Lenguaje de control de datos (DCL)
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y usos de MongoDB
  3. Primeros pasos con MongoDB: Instalación y Shell de comandos
  4. Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

MÓDULO 6. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
  1. Tipos de inteligencia artificial
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
  1. Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
  1. Futuro de la inteligencia artificial
  2. Impacto de la IA en la industria
  3. El impacto económico y social global de la IA y su futuro

MÓDULO 7. MACHINE LEARNING

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
  1. Machine Learning
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
  1. Introducción
  2. Algoritmos
UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN
  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN
  1. Clasificadores
  2. Algoritmos
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
  1. Componentes
  2. Aprendizaje
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación
UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES
  1. Redes neuronales
  2. Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 9. ESTRATEGIAS DE APRENDIZAJE
  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa

MÓDULO 8. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
  1. ¿Qué es PLN?
  2. ¿Qué incluye el PLN?
  3. Ejemplos de uso de PLN
  4. Futuro del PLN
UNIDAD DIDÁCTICA 2. RECURSOS PARA EL PLN
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. PLN en Python con la librería NLTK
  5. Otras herramientas para PLN
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
  1. Principios del análisis sintáctico
  2. Gramática libre de contexto
  3. Analizadores sintácticos (Parsers)
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
  1. Aspectos introductorios del análisis semántico
  2. Lenguaje semántico para PLN
  3. Análisis pragmático
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
  1. Aspectos introductorios
  2. Pasos en la extracción de información
  3. Ejemplo PLN
  4. Ejemplo PLN con entrada de texto en inglés

MÓDULO 9. CHATBOTS E INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
  1. Introducción a la Inteligencia artificial
  2. El Test de Turing
  3. Agentes Inteligentes
  4. Aplicaciones de la inteligencia artificial
UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?
  1. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafios para los Chatbots
UNIDAD DIDÁCTICA 3. RELACIÓN ENTRE IA Y CHATBOTS
  1. Chatbots y el papel de la Inteligencia Artificial (IA)
  2. Usos y beneficios de los chatbots
  3. Diferencia entre bots, chatbots e IA
UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN CHATBOTS
  1. Áreas de aplicación de Chatbots
  2. Desarrollo de un chatbot con ChatterBot y Python
  3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

MÓDULO 10. INTERNET DE LAS COSAS

UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 2. TECNOLOGÍAS APLICADAS A INTERNET DE LAS COSAS
  1. La relación entre M2M e IoT
  2. IoT y Smart Cities
  3. Los sistemas inteligentes de transporte
  4. Smart Home
UNIDAD DIDÁCTICA 3. DISPOSITIVOS Y APLICACIONES IOT
  1. Dispositivos e IoT
  2. Interfaces
  3. Impresión 3D
UNIDAD DIDÁCTICA 4. SEGURIDAD EN IOT
  1. La seguridad TIC
  2. Tipos de seguridad TIC
  3. Vulnerabilidades de IoT
  4. Necesidades de seguridad específicas de IoT
UNIDAD DIDÁCTICA 5. SISTEMAS ENERGÉTICOS BASADOS EN IOT
  1. La importancia de la eficiencia energética
  2. Las fuentes de consumo
  3. IoT como gran aliado de las energías renovables
  4. Microrredes
UNIDAD DIDÁCTICA 6. SISTEMAS CIBERFÍSICOS
  1. Contexto Sistemas Ciberfísicos (CPS)
  2. Características CPS
  3. Componentes CPS
  4. Ejemplos de uso
  5. Retos y líneas futuras
UNIDAD DIDÁCTICA 7. INTERNET DE LAS COSAS CON ARDUINO
  1. Introducción a Arduino
  2. Características
  3. Objetivos
  4. Una vuelta por el pasado
  5. El microcontrolador
  6. Componentes hardware

MÓDULO 11. ROBÓTICA Y AUTOMATIZACIÓN INDUSTRIAL

UNIDAD DIDÁCTICA 1. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL
  1. Conceptos previos
  2. Objetivos de la automatización
  3. Grados de automatización
  4. Clases de automatización
  5. Equipos para la automatización industrial
  6. Diálogo Hombre-máquina, HMI y SCADA
UNIDAD DIDÁCTICA 2. PRINCIPIOS ELÉCTRICOS Y ELECTRO-MAGNÉTICOS
  1. Principios y propiedades de la corriente eléctrica
  2. Fenómenos eléctricos y electromagnéticos
  3. Medida de magnitudes eléctricas. Factor de potencia
  4. Leyes utilizadas en el estudio de circuitos eléctricos
  5. Sistemas monofásicos. Sistemas trifásicos
UNIDAD DIDÁCTICA 3. INSTALACIONES ELÉCTRICAS APLICADAS A INSTALACIONES AUTOMATIZADAS
  1. Tipos de motores y parámetros fundamentales
  2. Procedimientos de arranque e inversión de giro en los motores
  3. Sistemas de protección de líneas y receptores eléctricos
  4. Variadores de velocidad de motores. Regulación y control
  5. Dispositivos de protección de líneas y receptores eléctricos
UNIDAD DIDÁCTICA 4. COMPONENTES DE AUTOMATISMOS ELÉCTRICOS
  1. Automatismos secuenciales y continuos. Automatismos cableados
  2. Elementos empleados en la realización de automatismos: elementos de operador, relé, sensores y transductores
  3. Cables y sistemas de conducción de cables
  4. Técnicas de diseño de automatismos cableados para mando y potencia
  5. Técnicas de montaje y verificación de automatismos cableados
UNIDAD DIDÁCTICA 5. REGLAJE Y AJUSTES DE INSTALACIONES AUTOMATIZADAS
  1. Reglajes y ajustes de sistemas mecánicos, neumáticos e hidráulicos
  2. Reglajes y ajustes de sistemas eléctricos y electrónicos
  3. Ajustes de Programas de PLC entre otros
  4. Reglajes y ajustes de sistemas electrónicos
  5. Reglajes y ajustes de los equipos de regulación y control
  6. Informes de montaje y de puesta en marcha
UNIDAD DIDÁCTICA 6. ROBÓTICA. EVOLUCIÓN Y PRINCIPALES CONCEPTOS
  1. Introducción a la robótica
  2. Contexto de la robótica industrial
  3. Mercado actual de los brazos manipuladores
  4. Qué se entiende por Robot Industrial
  5. Elementos de un sistema robótico
  6. Subsistemas de un robot
  7. Tareas desempeñadas con robótica
  8. Clasificación de los robots
UNIDAD DIDÁCTICA 7. INCORPORACIÓN DEL ROBOT EN UNA LÍNEA AUTOMATIZADA
  1. El papel de la Robótica en la automatización
  2. Interacción de los robots con otras máquinas
  3. La célula robotizada
  4. Estudio técnico y económico del robot
  5. Normativa
  6. Accidentes y medidas de seguridad
UNIDAD DIDÁCTICA 8. CARACTERÍSTICAS TÉCNICAS Y MORFOLÓGICAS DE LOS ROBOTS
  1. Componentes del brazo robot
  2. Características y capacidades del robot
  3. Definición de grados de libertad
  4. Definición de capacidad de carga
  5. Definición de velocidad de movimiento
  6. Resolución espacial, exactitud, repetibilidad y flexibilidad
  7. Definición de volumen de trabajo
  8. Consideraciones sobre los sistemas de control
  9. Morfología de los robots
  10. Tipo de coordenadas cartesianas. Voladizo y pórtico
  11. Tipología cilíndrica
  12. Tipo esférico
  13. Brazos robots universal
UNIDAD DIDÁCTICA 9. EQUIPOS ACTUADORES
  1. Tipología de actuadores y transmisiones
  2. Funcionamiento y curvas características
  3. Funcionamiento de los Servomotores
  4. Motores paso a paso
  5. Actuadores Hidráulicos
  6. Actuadores Neumáticos
  7. Estudio comparativo
  8. Tipología de transmisiones
UNIDAD DIDÁCTICA 10. SENSORES EN ROBÓTICA
  1. Dispositivos sensoriales
  2. Características técnicas
  3. Puesta en marcha de sensores
  4. Sensores de posición no ópticos
  5. Sensores de posición ópticos
  6. Sensores de velocidad
  7. Sensores de proximidad
  8. Sensores de fuerza
  9. Visión artificial
UNIDAD DIDÁCTICA 11. LA UNIDAD CONTROLADORA
  1. El controlador
  2. Hardware
  3. Métodos de control
  4. El procesador en un controlador robótico
  5. Ejecución a tiempo real
UNIDAD DIDÁCTICA 12. ELEMENTOS TERMINALES Y APLICACIONES DE TRASLADO. PICK AND PLACE
  1. Elementos y actuadores terminales de robots
  2. Conexión entre la muñeca y la herramienta final
  3. Utilización de robots para traslado de materiales y carga/descarga automatizada. Pick and place
  4. Aplicaciones de traslado de materiales. Pick and place
  5. Cogida y sujeción de piezas por vacío. Ventosas
  6. Imanes permanentes y electroimanes
  7. Pinzas mecánicas para agarre
  8. Sistemas adhesivos
  9. Sistemas fluídicos
  10. Agarre con enganche

MÓDULO 12. DIGITAL TWINS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A DIGITAL TWINS
  1. ¿Qué es Digital Twins?
  2. Campos de aplicación de Digital Twins
  3. Uso de la inteligencia artificial y el Machine Learning en Digital Twins
  4. Digital Twins como herramienta en la producción
  5. Monitorización del gemelo digital en la toma de decisiones
  6. Comunicación entre Sistema real y Digital Twin
  7. Optimización del matenimiento con Digital Twins
UNIDAD DIDÁCTICA 2. SIMULACIÓN DE PRODUCCIÓN DE FABRICACIÓN MECÁNICA
  1. Concepto, clasificación y aplicaciones
  2. Gestión del reloj en la simulación discreta
  3. Simulación aleatoria, obtención de muestras y análisis de resultados
  4. Introducción a los lenguajes de simulación
UNIDAD DIDÁCTICA 3. CONTEXTO DE LA INGENIERÍA SIMULTANEA Y CICLO DE VIDA DEL PRODUCTO
  1. Antecedentes y surgimiento de las técnicas de ingeniería simultanea
  2. Control de la producción desde el diseño
  3. Diseño para seis sigma DFSS
  4. Definición y tendencias de la Ingeniería Concurrente
  5. Ingeniería convencional VS ingeniería concurrente
  6. Fundamentos y elementos comunes las herramientas de la ingeniería concurrente: las T´s
  7. Ciclo de vida del producto
  8. Herramientas “Disign for X”
  9. Ejemplos de aplicación de la ingeniería simultanea
UNIDAD DIDÁCTICA 4. INTEGRACIÓN DE LA INGENIERÍA CONCURRENTE CON EL SISTEMA DE GESTIÓN DE CALIDAD
  1. Paralelismos entre calidad e ingeniería simultánea
  2. Herramientas de mejora de la calidad
  3. El aseguramiento de la calidad: la ISO y PDCA
  4. La gestión de la calidad total: EFQM
  5. Diagrama Causa-Efecto
  6. Diagrama de Pareto
  7. Círculos de Control de Calidad
UNIDAD DIDÁCTICA 5. FUNDAMENTOS DE SISTEMAS DE CONTROL Y SUPERVISIÓN DE PROCESOS: SCADA Y HMI
  1. Contexto evolutivo de los sistemas de visualización
  2. Sistemas avanzados de organización industrial: ERP y MES
  3. Consideraciones previas de supervisión y control
  4. El concepto de “tiempo real” en un SCADA
  5. Conceptos relacionados con SCADA
  6. Definición y características del sistemas de control distribuido
  7. Sistemas SCADA frente a DCS
  8. Viabilidad técnico económica de un sistema SCADA
  9. Mercado actual de desarrolladores SCADA
  10. PC industriales y tarjetas de expansión
  11. Pantallas de operador HMI
  12. Características de una pantalla HMI
  13. Software para programación de pantallas HMI
  14. Dispositivos tablet PC
UNIDAD DIDÁCTICA 6. BUSES Y REDES INDUSTRIALES. CONCEPTOS INICIALES
  1. Buses de campo: aplicación y fundamentos
  2. Evaluación de los buses industriales
  3. Diferencias entre cableado convencional y cableado con Bus
  4. Selección de un bus de campo
  5. Funcionamiento y arquitectura de nodos y repetidores
  6. Conectores normalizados
  7. Normalización
  8. Comunicaciones industriales aplicadas a instalaciones en Domótica e Inmótica
  9. Buses propietarios y buses abiertos
  10. Tendencias
  11. Gestión de redes
UNIDAD DIDÁCTICA 7. FUNCIONAMIENTO Y APLICACIÓN DE LOS PRINCIPALES BUSES INDUSTRIALES
  1. Clasificación de los buses
  2. AS-i (Actuator/Sensor Interface)
  3. DeviceNet
  4. CANopen (Control Area Network Open)
  5. SDS (Smart Distributed System)
  6. InterBus
  7. WorldFIP (World Factory Instrumentation Protocol)
  8. HART (Highway Addressable Remote Transducer)
  9. P-Net
  10. BITBUS
  11. ARCNet
  12. CONTROLNET
  13. PROFIBUS (PROcess FIeld BUS)
  14. FIELDBUS FOUNDATION
  15. MODBUS
  16. ETHERNET INDUSTRIAL
UNIDAD DIDÁCTICA 8. GMAO - GESTIÓN DEL MANTENIMIENTO ASISTIDO POR ORDENADOR
  1. Que es GMAO
  2. Que es CMMS - GMAC
  3. Ventajas de utilizar Programas GMAO - Software GMAO
  4. Los mejores Programas GMAO - Software GMAO
  5. 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 TRANSFONDO
  1. Introducción
  2. Antecedentes
  3. Marco Contextual
  4. Planteamiento del problema y preguntas de investigación
  5. Justificación del problema de investigación
  6. Objetivo general y específicos
  7. Variables e indicadores
  8. Definición de términos
UNIDAD DIDÁCTICA 2. REVISIÓN DE LITERATURA
  1. Introducción
  2. Revisión de literatura referente al estudio a realizar
UNIDAD DIDÁCTICA 3. METODOLOGÍA
  1. Introducción
  2. Tipo de Estudio
  3. Descripción de la población y muestra
  4. Descripción del Instrumento de investigación
  5. Validación y confiabilidad del Instrumento de investigación
  6. Procedimientos
  7. Análisis estadísticos
  8. Alcances y límites del estudio
UNIDAD DIDÁCTICA 4. PRESENTACIÓN DE LOS RESULTADOS
  1. Introducción
  2. Presentación de Resultados
  3. UDIDAD DIDÁCTICA 5. DISCUSIÓN
  4. Introducción
  5. Análisis
  6. Conclusiones
  7. Recomendaciones
  8. Referencias
  9. Anexos

MÓDULO 14. MACHINE LEARNING CON ARDUINO Y TENSORFLOW 2.0

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y PRIMEROS PASOS
  1. ¿Qué es la inteligencia artificial?
  2. Hardware y software unidos por la Inteligencia Artificial
  3. Inteligencia Artificial y Visión Artificial
  4. Arduino: introducción
UNIDAD DIDÁCTICA 2. PREPARACIÓN DE ARDUINO Y CONFIGURACIÓN DE ENTORNO PYTHON
  1. Instalación de Arduino
  2. Configurando tu Arduino para Python
UNIDAD DIDÁCTICA 3. CODIFICACIÓN Y CONTROL DE ARDUINO CON PYTHON
  1. Control de Arduino
UNIDAD DIDÁCTICA 4. MANEJO DE ENTRADAS ANALÓGICAS CON PYTHON
  1. Manejo de entradas
  2. Entradas analógicas
UNIDAD DIDÁCTICA 5. USO DE SALIDAS ANALÓGICAS
  1. Salidas analógicas
  2. Valores analógicos en Arduino
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A MACHINE LEARNING
  1. Introducción al machine learning
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado
UNIDAD DIDÁCTICA 7. REDES NEURONALES, SERIES TEMPORALES Y PROBLEMAS DE REGRESIÓN
  1. Redes neuronales y deep learning
  2. Series Temporales
UNIDAD DIDÁCTICA 8. OBTENCIÓN DE PARÁMETROS EN ARDUINO Y GENERACIÓN DE CONJUNTOS DE DATOS
  1. Funciones y parámetros
  2. Variables y constantes especializadas
  3. Estructura de control
UNIDAD DIDÁCTICA 9. PROCESAMIENTO DE DATOS Y ETAPA DE ENTRENAMIENTO
  1. Introducción
  2. ¿Qué son los datos de entrenamiento de IA?
  3. ¿Por qué se requieren datos de entrenamiento de IA?
  4. ¿Cuántos datos son adecuados?
  5. ¿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
  1. Crear red neural paso a paso
  2. Redes neuronales: Aprendizaje
  3. 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
  1. La visión artificial: definiciones y aspectos principales
UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
  1. Ópticas
  2. Iluminación
  3. Cámaras
  4. Sistemas 3D
  5. Sensores
  6. Equipos compactos
  7. Metodologías para la selección del hardware
UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
  1. Algoritmos
  2. Software
  3. Segmentación e interpretación de imágenes
  4. Metodologías para la selección del software
UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
  1. Aplicaciones clásicas: discriminación, detección de fallos…
  2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
  1. Descripción general OpenCV
  2. Instalación OpenCV para Python en Windows
  3. Instalación OpenCV para Python en Linux
  4. Anaconda y OpenCV
UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
  1. Manejo de archivos
  2. Leer una imagen con OpenCV
  3. Mostrar imagen con OpenCV
  4. Guardar una imagen con OpenCV
  5. Operaciones aritméticas en imágenes usando OpenCV
  6. Funciones de dibujo
UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES
  1. Redimensión de imágenes
  2. Erosión de imágenes
  3. Desenfoque de imágenes
  4. Bordeado de imágenes
  5. Escala de grises en imágenes
  6. Escalado, rotación, desplazamiento y detección de bordes
  7. Erosión y dilatación de imágenes
  8. Umbrales simples
  9. Umbrales adaptativos
  10. Umbral de Otsu
  11. Contornos de imágenes
  12. Incrustación de imágenes
  13. Intensidad en imágenes
  14. Registro de imágenes
  15. Extracción de primer plano
  16. Operaciones morfológicas en imágenes
  17. Pirámide de imágen
UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING
  1. Analizar imágenes usando histogramas
  2. Ecualización de histogramas
  3. Template matching
  4. Detección de campos en documentos usando Template matching
UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR
  1. Espacios de color en OpenCV
  2. Cambio de espacio de color
  3. Filtrado de color
  4. Denoising de imágenes en color
  5. Visualizar una imagen en diferentes espacios de color
UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
  1. Detección de líneas
  2. Detección de círculos
  3. Detectar esquinas (Método Shi-Tomasi)
  4. Detectar esquinas (método Harris)
  5. Encontrar círculos y elipses
  6. Detección de caras y sonrisas
UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO
  1. Vecino más cercano (K-Nearest Neighbour)
  2. 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
  1. Internet of Behavior
UNIDAD DIDÁCTICA 2. CIENCIAS COGNITIVAS DEL COMPORTAMIENTO
  1. Ciencia cognitiva
UNIDAD DIDÁCTICA 3. NEUROPSICOLOGÍA Y CÓMO CAPTAR LA ATENCIÓN DE UN USUARIO
  1. Neuropsicología
UNIDAD DIDÁCTICA 4. PRODUCTOS Y CONTENIDOS PERSONALIZADOS GRACIAS AL INTERNET OF BEHAVIORS (IOB)
  1. Personalización IOB
UNIDAD DIDÁCTICA 5. VISIÓN POR COMPUTADORA Y ANÁLISIS FACIAL
  1. La visión Artificial
UNIDAD DIDÁCTICA 6. PROCESAMIENTO AUTOMÁTICO DE IDIOMAS
  1. Procesamiento del lenguaje natural
UNIDAD DIDÁCTICA 7. ANÁLISIS DE COMPORTAMIENTO Y SEGURIDAD OPERACIONAL
  1. Análisis de comportamiento
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL ANÁLISIS DE SENTIMIENTOS
  1. Análisis de opinión

MÓDULO 17.TRABAJO DE TESIS

UNIDAD DIDÁCTICA 1. PROBLEMA E HIPÓTESIS
  1. Selección del problema
  2. Ejemplo de problema
  3. Planteamiento del problema
  4. Definición del problema
  5. Definición de conceptos
  6. Límites de la investigación
  7. Formulación de hipótesis
  8. Sugerencias para la elaboración de hipótesis
  9. Hipótesis de investigación
  10. Hipótesis de nulidad
  11. Nivel de significación
  12. Las variables
  13. Clasificación
  14. Papel de las variables en las hipótesis
  15. Investigación descriptiva
  16. Investigación explicativa
  17. Investigaciones correlacionales
  18. Estudios transversales y longitudinales
  19. Estudios cuantitativos y cualitativos
UNIDAD DIDÁCTICA 2. INSTRUMENTOS DE INVESTIGACIÓN Y PRODUCCIÓN CIENTÍFICA
  1. La observación
  2. Los cuestionarios
  3. La entrevista
  4. El análisis de contenidos
  5. Análisis de datos
  6. Mecanismos y procedimientos para el procesamiento de datos
  7. Instrumentos estadísticos: porcentajes, el modo, la media, la mediana y la desviación estándar
UNIDAD DIDÁCTICA 3. PRESENTACIÓN DE DATOS
  1. Los gráficos lineales
  2. Los gráficos de barras
  3. Los gráficos circulares
  4. Los cuadros de área o volumen
  5. Los mapas
  6. Los esquemas
  7. Matrices
UNIDAD DIDÁCTICA 4. ELABORACIÓN DEL PROYECTO
  1. Título de tema
  2. Introducción
  3. Planteamiento del problema
  4. Objetivos
  5. Hipótesis
  6. Marco teórico
  7. Metodología
  8. Tipo de estudio
  9. Instrumento para la recolección de datos
  10. Procedimientos
  11. Universo y muestra
  12. Esquema de posibles capítulos
  13. Bibliografía y referencias bibliográficas
  14. Anexos