Especialización en Automatización e Inteligencia Artificial

Módulo 1. Sistemas de automatización de la industria 4.0

1.1. Automatización industrial

1.1.1. La automatización
1.1.2. Arquitectura y componentes
1.1.3. Safety

1.2. Robótica industrial

1.2.1. Fundamentos de robótica industrial
1.2.2. Modelos e impacto en los procesos industriales

1.3. Sistemas PLC y control industrial

1.3.1. Evolución y estado de los PLC
1.3.2. Evolución lenguajes de programación
1.3.3. Automatización integrada por computador CIM

1.4. Sensores y actuadores

1.4.1. Clasificación de transductores
1.4.2. Tipos sensores
1.4.3. Estandarización de señales

1.5. Monitorear y administrar

1.5.1. Tipos actuadores
1.5.2. Sistemas de control realimentados

1.6. Conectividad industrial

1.6.1. Buses de campo estandarizados
1.6.2. Conectividad

1.7. Mantenimiento proactivo / predictivo

1.7.1. Mantenimiento predictivo
1.7.2. Identificación y análisis de fallos
1.7.3. Acciones proactivas basadas en el mantenimiento predictivo

1.8. Monitoreo continuo y mantenimiento prescriptivo

1.8.1. Concepto mantenimiento prescriptivo en entornos industriales
1.8.2. Selección y explotación de datos para autodiagnósticos

1.9. Lean manufacturing

1.9.1. Lean manufacturing
1.9.2. Beneficios implantación lean en procesos industriales

1.10. Procesos industrializados en la industria 4.0. Caso de uso

1.10.1. Definición de proyecto
1.10.2. Selección tecnológica
1.10.3. Conectividad
1.10.4. Explotación de datos

Módulo 2. Big data e inteligencia artificial

2.1. Principios fundamentales de big data

2.1.1. El big data
2.1.2. Herramientas para trabajar con big data

2.2. Minería y almacenamiento de datos

2.2.1. La minería de datos. Limpieza y normalización
2.2.2. Extracción de información, traducción automática, análisis de sentimientos, etc
2.2.3. Tipos de almacenamiento de datos

2.3. Aplicaciones de ingesta de datos

2.3.1. Principios de la ingesta de datos
2.3.2. Tecnologías de ingesta de datos al servicio de las necesidades de negocio

2.4. Visualización de datos

2.4.1. La importancia de realizar una visualización de datos
2.4.2. Herramientas para llevarla a cabo. Tableau, D3, matplotlib (Python), Shiny®

2.5. Aprendizaje automático (machine learning)

2.5.1. Entendemos el machine learning
2.5.2. Aprendizaje supervisado y no supervisado
2.5.3. Tipos de algoritmos

2.6. Redes neuronales (deep learning)

2.6.1. Red neuronal: Partes y funcionamiento
2.6.2. Tipo de redes: CNN, RNN
2.6.3. Aplicaciones de las redes neuronales; reconocimiento de imágenes e interpretación del lenguaje natural
2.6.4. Redes generativas de texto: LSTM

2.7. Reconocimiento del lenguaje natural

2.7.1. PLN (Procesamiento del Lenguaje Natural)
2.7.2. Técnicas avanzadas de PLN: Word2vec, Doc2vec

2.8. Chatbots y asistentes virtuales

2.8.1. Tipos de asistentes: asistentes por voz y por texto
2.8.2. Partes fundamentales para el desarrollo de un asistente: intents, entidades y flujo de diálogo
2.8.3. Integraciones: web, slack, Whatsapp, Facebook…
2.8.4. Herramientas de desarrollo de asistenes: Dialog Flow, Watson Assistant

2.9. Emociones, creatividad y personalidad en la AI

2.9.1. Entendemos cómo detectar emociones mediante algoritmos
2.9.2. Creación de una personalidad: lenguaje, expresiones y contenido

2.10. Futuro de la inteligencia artificial
2.11. Reflexiones

Módulo 3. Robótica, drones y augmented workers

3.1. La robótica

3.1.1. Robótica, sociedad y cine
3.1.2. Componentes y partes de robots

3.2. Robótica y automatización avanzada: simuladores, cobots

3.2.1. Transferencia de aprendizaje
3.2.2. Cobots y casos de uso

3.3. RPA (Robotic Process Automatization)

3.3.1. Entendiendo el RPA y su funcionamiento
3.3.2. Plataformas de RPA, proyectos y roles

3.4. Robot as a Service (RaaS)

3.4.1. Retos y oportunidades para implementar servicios Raas y robótica en las empresas
3.4.2. Funcionamiento de un sistema Raas

3.5. Drones y vehículos autónomos

3.5.1. Componentes y funcionamiento de los drones
3.5.2. Usos, tipologías y aplicaciones de los drones
3.5.3. Evolución de drones y vehículos autónomos

3.6. El impacto del 5G

3.6.1. Evolución de las comunicaciones e implicaciones
3.6.2. Usos de la tecnología 5G

3.7. Augmented workers

3.7.1. Integración hombre-máquina en entornos industriales
3.7.2. Retos en la colaboración entre trabajadores y robots

3.8. Transparencia, ética y trazabilidad

3.8.1. Retos éticos en robótica e inteligencia artificial
3.8.2. Métodos de seguimiento, transparencia y trazabilidad

3.9. Prototipado, componentes y evolución

3.9.1. Plataformas de prototipado
3.9.2. Fases para realizar un prototipo

3.10. Futuro de la robótica

3.10.1. Tendencias en robotización
3.10.2. Nuevas tipologías de robots