En la actualidad, el Internet de las Cosas (IoT) se ha convertido en una tecnología disruptiva que está revolucionando diversos sectores.
Nuestro Master en Internet de las Cosas (IoT) se encuentra a la vanguardia de esta transformación digital, ofreciendo una formación integral y especializada en las tecnologías asociadas al IoT, abordando temáticas relevantes como Internet of Behaviors (IoB), Digital Twins, Inteligencia Artificial (IA), Machine Learning (ML), Deep Learning (DL), Visión Artificial en Industria 4.0 con Python y OpenCV, tecnologías aplicadas al IoT, Smart Buildings y Smart Cities, y Seguridad en IoT.
Los participantes adquirirán conocimientos sólidos y habilidades prácticas en el diseño, implementación y gestión de soluciones de IoT.
Este Master en Internet de las Cosas (IoT) está dirigido a profesionales del ámbito tecnológico, ingenieros, desarrolladores de software, analistas de datos, emprendedores y cualquier persona interesada en adquirir conocimientos y habilidades en el campo del IoT. No se requieren conocimientos previos en IoT, aunque se recomienda tener una base en información y comunicación.
Objetivos
– Comprender los fundamentos y conceptos clave del Internet de las Cosas.
– Aplicar tecnologías de IoT para crear soluciones innovadoras en diferentes sectores.
– Dominar el uso de Digital Twins para la simulación y gestión de sistemas físicos.
– Utilizar técnicas de Inteligencia Artificial, Machine Learning y Deep Learning en proyectos de IoT.
– Implementar sistemas de visión artificial en el contexto de la Industria 4.0.
– Aplicar tecnologías de IoT en la construcción de edificios inteligentes y ciudades inteligentes.
– Garantizar la seguridad y privacidad en proyectos y soluciones de IoT.
Salidas Profesionales
Las salidas profesionales de este Master en Internet de las Cosas (IoT) son consultor en IoT, arquitecto de soluciones de IoT, desarrollador de aplicaciones IoT, analista de datos IoT, especialista en seguridad en IoT, o gerente de proyectos IoT. Además, tendrás la posibilidad de emprender tu propio negocio ofreciendo servicios de consultoría o gestión de proyectos.
Concepto, evolución y características del Internet of Behaviors
IoB, IoT, Big Data, analítica e inteligencia artificial
Datos de comportamiento: fuentes, tipos y características
Cómo se recopilan, procesan y analizan los datos de comportamiento
Predicción e influencia sobre el comportamiento
Oportunidades, limitaciones y retos del IoB
Del dato bruto a la variable de comportamiento: estructuración para el análisis
Sensores, dispositivos conectados y tecnologías de identificación
Datos digitales: navegación, aplicaciones, redes sociales y transacciones
Analítica de datos y machine learning aplicado al comportamiento
Inteligencia artificial y modelos predictivos
Integración y gestión de datos de comportamiento
IoB en marketing, publicidad y experiencia de cliente
IoB en salud y bienestar
IoB en seguros y servicios financieros
IoB en industria, trabajo y seguridad
IoB en movilidad, ciudades y espacios inteligentes
Casos de uso y evaluación del valor empresarial y social
Identificación de objetivos y casos de uso
Selección y calidad de los datos
Análisis, segmentación y elaboración de perfiles
Modelos predictivos y toma de decisiones
Personalización e intervención sobre el comportamiento
Evaluación de resultados, impacto y calidad de las soluciones IoB
Impacto del IoB sobre la privacidad y la autonomía
Sesgos, discriminación y elaboración de perfiles
Transparencia, explicabilidad y control del usuario
Riesgos de manipulación e influencia del comportamiento
Vigilancia, seguridad y usos indebidos
Principios para un IoB ético y responsable
Protección de datos personales y normativa aplicable
RGPD y LOPDGDD en el contexto del IoB
Responsabilidades en el tratamiento de datos
Consentimiento, derechos y control de los usuarios
Seguridad, privacidad desde el diseño y cumplimiento
Tendencias y evolución del Internet of Behaviors
¿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
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
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
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
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
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
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
Que es GMAO
Que es CMMS - GMAC
Ventajas de utilizar Programas GMAO - Software GMAO
Los mejores Programas GMAO - Software GMAO
Módulos de un GMAO
Como elegir un Programa GMAO - Software GMAO
Software de mantenimiento gratuito PMX-PRO
Concepto, evolución y aplicaciones de la inteligencia artificial
Principales enfoques de la IA: simbólica, conexionista y basada en datos
Sistemas expertos y evolución hacia la IA moderna
Tipos y capacidades de los sistemas de inteligencia artificial
IA generativa y nuevos paradigmas de inteligencia artificial
Aplicaciones, oportunidades y limitaciones de la IA
Fundamentos del machine learning
Aprendizaje supervisado, no supervisado y por refuerzo
Datos de entrenamiento, validación y prueba
Preparación y transformación de datos
Selección y construcción de variables (features)
Algoritmos de aprendizaje automático y criterios de selección
Regresión y predicción
Clasificación y principales algoritmos
Árboles de decisión y métodos ensemble
Máquinas de vectores soporte (SVM)
Clustering: K-means, jerárquico y DBSCAN
Reducción de dimensionalidad: PCA y t-SNE
Detección de anomalías
Fundamentos del aprendizaje por refuerzo: agente, entorno, recompensa y política
Métodos de aprendizaje por refuerzo: de Q-learning a los métodos basados en política
Exploración frente a explotación y principales retos del aprendizaje por refuerzo
Aplicaciones del aprendizaje por refuerzo: juegos, robótica y sistemas de recomendación
Entrenamiento y evaluación de modelos
Métricas de evaluación y selección según el problema
Validación cruzada y partición de los datos
Sobreajuste, infraajuste y regularización
Optimización e hiperparámetros
Interpretación y comparación de modelos
Fundamentos de las redes neuronales artificiales
Perceptrón y redes neuronales multicapa
Funciones de activación y arquitectura de una red
Entrenamiento, descenso de gradiente y retropropagación
Sobreajuste y técnicas de regularización en redes profundas
Fundamentos y aplicaciones del deep learning
Redes neuronales convolucionales (CNN)
Redes recurrentes y modelos para datos secuenciales (RNN y LSTM)
Transformers frente a las arquitecturas secuenciales anteriores
Arquitecturas generativas: autoencoders y redes generativas antagónicas (GAN)
Aplicaciones del deep learning en visión artificial
Aplicaciones del deep learning en procesamiento del lenguaje natural
Transferencia de aprendizaje y modelos preentrenados
Sistemas de recomendación y soporte a la decisión
Casos de uso de IA en diferentes sectores
Sesgos, explicabilidad y transparencia
Privacidad, seguridad, ética y gobernanza de la IA
Impacto económico y social de la inteligencia artificial
Concepto, evolución y aplicaciones de la visión artificial
Componentes y funcionamiento de un sistema de visión artificial
Captura, procesamiento e interpretación de imágenes
Visión 2D, 3D y sistemas multiespectrales
Ventajas, limitaciones y retos de la visión artificial industrial
Integración de la visión artificial en la Industria 4.0
Cámaras y sensores para visión industrial
Ópticas, resolución y campo de visión
Iluminación y condiciones de captura
Sistemas de visión 3D
Selección y configuración del sistema de adquisición
Integración de cámaras y sistemas de visión en entornos industriales
Python y OpenCV para visión artificial
Lectura, visualización y gestión de imágenes y vídeo
Transformaciones geométricas y espacios de color
Filtrado, reducción de ruido y mejora de imágenes
Umbralización y operaciones morfológicas
Segmentación, detección de bordes y extracción de características
Histogramas y análisis de características de imagen
Detección de contornos, formas y objetos
Detección de líneas, círculos y puntos de interés
Reconocimiento y comparación de patrones
Template matching y técnicas de correspondencia
Extracción de información y reconocimiento de texto (OCR)
Inspección y control de calidad
Detección de defectos y anomalías
Medición, posicionamiento y guiado de procesos
Identificación, lectura de códigos y trazabilidad
Visión artificial aplicada a robótica y automatización
Integración de sistemas de visión con procesos industriales
Fundamentos del aprendizaje automático aplicado a imágenes
Clasificación y reconocimiento de imágenes
Extracción y selección de características
Clustering y detección de patrones
Evaluación y validación de modelos
Aplicaciones de machine learning en inspección industrial
Redes neuronales convolucionales aplicadas a visión
Clasificación de imágenes mediante deep learning
Detección y localización de objetos
Segmentación semántica y segmentación de instancias
Modelos preentrenados de visión artificial: ImageNet y transfer learning aplicado a visión
YOLO y otros modelos modernos de detección
Visión clásica frente a deep learning: selección del enfoque adecuado
Diseño de un sistema de visión artificial industrial
Selección de hardware, software y modelos de IA
Desarrollo y prueba de soluciones con Python y OpenCV
Integración con sistemas industriales y edge computing
Evaluación del rendimiento y fiabilidad del sistema
Mantenimiento, monitorización y mejora de modelos
Seguridad, privacidad y uso responsable de la visión artificial
Concepto, evolución y características del Internet de las Cosas
Arquitectura y componentes de un sistema IoT
Dispositivos, sistemas embebidos y edge computing
Sensores, actuadores y adquisición de datos
Plataformas IoT y procesamiento de datos
Casos de uso y modelos de aplicación IoT
Tipos y características de sensores y actuadores
Sensores ambientales, industriales y de movimiento
Sensores ópticos, de imagen e inerciales
Criterios de selección e integración de sensores
Microcontroladores, placas de desarrollo y dispositivos IoT
Consumo energético y gestión de dispositivos
Modelos y arquitecturas de comunicación IoT
Redes de corto, medio y largo alcance
Tecnologías inalámbricas para IoT
Redes celulares y LPWAN
Protocolos de comunicación y mensajería IoT
Criterios de selección de conectividad según el caso de uso
Plataformas y arquitecturas IoT
Procesamiento en edge, fog y cloud
Recogida, almacenamiento y procesamiento de datos IoT
Analítica e inteligencia artificial aplicada a IoT
Protocolos y API para la integración de dispositivos con sistemas empresariales
Interoperabilidad con sistemas empresariales: ERP, CRM y plataformas de terceros
Estándares abiertos de interoperabilidad: OPC-UA y Web of Things
Riesgos y superficie de ataque en ecosistemas IoT
Identidad, autenticación y control de acceso
Cifrado y comunicaciones seguras
Seguridad de dispositivos, redes y plataformas
Actualizaciones y gestión segura del ciclo de vida
Marcos, estándares y buenas prácticas de seguridad IoT/OT: IEC 62443
Aprovisionamiento e incorporación de dispositivos
Configuración y gestión remota
Monitorización y diagnóstico
Actualizaciones over-the-air (OTA)
Gestión de flotas y mantenimiento
Interoperabilidad, escalabilidad y retirada segura de dispositivos
IoT en manufactura: mantenimiento predictivo y monitorización de activos
Automatización y optimización de procesos industriales
IoT en movilidad, energía y Smart Cities
IoT en agricultura, salud y hogar conectado
Casos de uso y modelos de negocio basados en IoT
Domótica
Edificios inteligentes
Diferencias entre Smart Home y Smart Building
Sistemas de automatización y control de edificios
Funciones principales de BACS
Funcionamiento de BACS
Origen de BACS
Desarrollo de BACS
Tendencias de BACS
Mercado de BACS
Concepto de ciudad inteligente
Gobernanza y crecimiento
Desarrollo urbano e infraestructura
Medio ambiente y recursos naturales
Sociedad y comunidad
Opciones de futuro
Planificación de ciudades inteligentes
Marco del ecosistema de Smart City
Proceso de construcción
Titulación
Titulación de Máster de Formación Permanente en Internet de las Cosas (IOT) con 1500 horas y 60 ECTS expedida por UTAMED-Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
