Maestría en Industria 4.0 e Inteligencia Artificial

Módulo 1. Industria 4.0

· Industria 4.0 y proceso de implantación

· Agentes y departamentos implicados en la implantación de la industria 4.0

· Diseño y desarrollo de un plan de transformación digital

· Proyecto

Módulo 2. Inteligencia Artificial en la industria conectada

· Inteligencia artificial para la industria 4.0

· Machine Learning y redes neuronales

· Visión artificial OCR-OCV

· Proyecto

Módulo 3. Robótica aplicada a la industria 4.0

· Robótica en la industria 4.0

· Cobots: Robots colaborativos. Programación básica

· Vehículos de guiado autónomo (VGAs)

· Proyecto

Módulo 4. IoT y sistemas de comunicación

· IoT: Sistema basado en microcontroladores y Linux

· Sistemas SCADA, MES y CMMS y su evolución Cloud Computing

· Protocolos de industria 4.0 (OPC-UA, MQTT, CoaP, TCP)

· Proyecto

Módulo 5. Blockchain aplicado a la industria 4.0

· Introducción al Blockchain

· Implicaciones del Blockchain en la industria 4.0

· La interacción entre Blockchain y las tecnologías de la industria 4.0

· Proyecto

Módulo 6. Otras tecnologías de aplicación

· Realidad aumentada y virtual, vehículos aéreos no tripulados

· Fabricación aditiva y Wearables

· Ciberseguridad en las redes y sistemas ciber-físicos

· Proyecto

Módulo 7. Fundamentos de IA y Machine Learning

· Introducción a la IA y Machine Learning

· Algoritmos de regresión. Evaluación y métricas

· Ecosistemas de Machine Learning en la nube

· Proyecto

Módulo 8. Aprendizaje supervisado I

· Clasificación binaria, multiclase y métricas. Curva ROC

· Clasificación con Naive Bayes

· Clasificación con Support Vector Machine (SVM)

· Proyecto

Módulo 9. Aprendizaje supervisado II

· Clasificación con KNN, regresión logística y softmax

· Regresión y clasificación con árboles de decisión

· Combinación de clasificadores: ensembles y random forests

· Proyecto

Módulo 10. Aprendizaje NO Supervisado

· Reducción de dimensionalidad en los datos: PCA

· Algoritmos de agrupamiento: Kmedias y jerárquico

· Técnicas de detección de anomalías

· Proyecto

Módulo 11. Redes neuronales y Deep Learning

· Hitos del Deep Learning y fundamentos de las redes neuronales

· Frameworks de Deep Learning. TensorFlow

· Tipos de Redes Neuronales y ajuste de modelos de Deep Learning

· Proyecto

Módulo 12. Redes Neuronales Convolucionales (CNNs)

· Fundamentos de las CNNs: kernels, convolución, pooling, etc.

· Modelos pre-entrenados: Transfer Learning y Fine-Tuning

· Deep Learning en producción

· Proyecto

Módulo 13. Sistemas de recomendación

· Personalización guiada por IA y datos. Filtrado colaborativo

· Recomendaciones basadas en contenido, contexto e híbridas

· Aplicaciones, tendencias y retos de los sistemas de recomendación

· Proyecto

Módulo 14. Procesamiento del Lenguaje Natural

· Modelos lógicos de PLN

· Modelos Probabilísticos de PLN

· Uso de la PLN

· Proyecto

Proyecto de Fin de Master