Máster en Formación Permanente en Big Data
100% Online
12 meses
2195€
Máster en Formación Permanente en Big Data
    Máster en Formación Permanente en Big Data

    Máster en Formación Permanente en Big Data

    100% Online
    60 ECTS
    12 meses
    2195€
    Seguridad y confianza en tus pagos online.

    Presentación

    Este Master en Big Data proporciona una sólida formación en el campo del análisis y gestión de grandes volúmenes de datos, abordando los desafíos inherentes a la era de la información en la que vivimos. El crecimiento exponencial de los datos generados por diversas fuentes, como redes sociales, sensores, transacciones en línea y dispositivos conectados, ha creado la necesidad de profesionales altamente capacitados en el manejo de este flujo constante de información. En este master, adquirirás un profundo conocimiento de las técnicas y herramientas más avanzadas utilizadas en el procesamiento y análisis de datos masivos. Además, contarás con un equipo de profesionales especializados en la materia.
    Qs World University Rankings

    Universidades colaboradoras

    Para qué te prepara
    El Master en Big Data te prepara para enfrentar los retos y oportunidades del análisis de datos en entornos complejos. Adquirirás habilidades prácticas en visualización de datos, uso de R y ggplot2, análisis de datos en el contexto de IoT y sistemas ciberfísicos, comprensión de la Industria 4.0, aplicación de técnicas de ciencias del comportamiento, big data e inteligencia artificial, además de visión artificial utilizando Python y OpenCV.
    Objetivos
    - Comprender todo el ecosistema Big Data, sus diferentes herramientas, técnicas y aplicaciones. - Dominar el uso de ggplot2 para crear visualizaciones atractivas y comprensibles de datos en R. - Asimilar los fundamentos y la arquitectura de IoT y sistemas ciberfísicos. - Explorar los conceptos clave de la Industria 4.0 y su impacto en los procesos industriales. - Adquirir habilidades en visión artificial utilizando Python y OpenCV. - Analizar y procesar imágenes utilizando algoritmos y herramientas de visión artificial. - Aplicar técnicas de aprendizaje automático para el análisis de datos y la toma de decisiones.
    A quién va dirigido
    Este Master en Big Data está dirigido a profesionales y graduados en áreas relacionadas con la informática, la estadística, las ciencias de datos y disciplinas afines que deseen desarrollar habilidades avanzadas en el campo del Big Data y la visualización de datos. También es adecuado para aquellos interesados en IoT, Industria 4.0 o Inteligencia artificial.
    Salidas Profesionales
    Gracias a la realización de este Master en Big Data estarás preparado para desempeñar roles clave en el campo del Big Data, la visualización de datos y las tecnologías emergentes. Obtendrás un perfil muy cotizado y podrás trabajar como analista de datos, científico de datos, consultor de negocio, experto en IoT, especialista en visión artificial, entre otros.
    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 6. 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 7. 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 8. 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 9. 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. Como 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 ANALYTICS TOOLS

    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. BIG DATA Y MARKETING

    1. Apoyo del Big Data en el proceso de toma de decisiones
    2. Toma de decisiones operativas
    3. Marketing estratégico y Big Data
    4. Nuevas tendencias en management

    UNIDAD DIDÁCTICA 6. DEL BIG DATA AL LINKED OPEN DATA

    1. Concepto de web semántica
    2. Linked Data Vs Big Data
    3. Lenguaje de consulta SPARQL

    UNIDAD DIDÁCTICA 7. 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 8. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB

    1. ¿Qué es MongoDB?
    2. Funcionamiento y uso 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 9. 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 10. WEKA Y DATA MINING

    1. ¿Qué es Weka?
    2. Técnicas de Data Mining en Weka
    3. Interfaces de Weka
    4. Selección de atributos

    UNIDAD DIDÁCTICA 11. PENTAHO

    1. Una aproximación a Pentaho
    2. Soluciones que ofrece Pentaho
    3. MongoDB & Pentaho
    4. Hadoop & Pentaho
    5. Weka & Pentaho

    MÓDULO 3. BUSINESS INTELLIGENCE, DATAWAREHOUSE Y HERRAMIENTAS DE VISUALIZACIÓN

    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 Warehou
    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. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA

    1. Tipos de herramientas para BI
    2. Productos comerciales para BI
    3. Productos Open Source para BI
    4. Beneficios de las herramientas de BI

    UNIDAD DIDÁCTICA 7. 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 8. 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 9. D3 (DATA DRIVEN DOCUMENTS)

    1. Fundamentos D3
    2. Instalación D3
    3. Funcionamiento D3
    4. SVG
    5. Tipos de datos en D3
    6. Diagrama de barras con D3
    7. Diagrama de dispersión con D3

    UNIDAD DIDÁCTICA 10. GOOGLE DATA

    1. Google Data Studio

    UNIDAD DIDÁCTICA 11. QLIKVIEW

    1. Instalación y arquitectura
    2. Carga de datos
    3. Informes
    4. Transformación y modelo de datos
    5. Análisis de datos

    UNIDAD DIDÁCTICA 12. POWER BI

    1. Introducción a Power BI
    2. Instalación de Power BI
    3. Modelado de datos
    4. Visualización de datos
    5. Dashboards
    6. Uso compartido de datos

    UNIDAD DIDÁCTICA 13. CARTO

    1. CartoDB

    MÓDULO 4. TALEND OPEN STUDIO

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BPM

    1. ¿Qué es BPM?
    2. Efecto silo
    3. Ventajas flujo de trabajo
    4. ¿Qué es talend?

    UNIDAD DIDÁCTICA 2. TALEND

    1. Introducción Talend
    2. ¿Qué es el proceso ETL?
    3. Instalación Talend

    UNIDAD DIDÁCTICA 3. TRABAJANDO CON TALEND

    1. Usando Talend Studio
    2. Leer un archivo
    3. Ordenar un archivo

    UNIDAD DIDÁCTICA 4. USANDO MMETADATA Y EL COMPONENTE TMAP

    1. Crear y usar mMetadata
    2. Filtrar datos usando el componente tMap
    3. Unir dos fuentes de datos con el componente tMap

    UNIDAD DIDÁCTICA 5. FUNCIONES AVANZADAS TMAP

    1. Configurando uniones en tMap
    2. Añadir filtros basados en condiciones en tMap

    UNIDAD DIDÁCTICA 6. VARIABLES Y CLUSTERS

    1. Usar variables de contexto
    2. Crear metadatos de conexión de cluster
    3. Crear metadatos de conexión de cluster desde archivos de configuración

    UNIDAD DIDÁCTICA 7. TALEND STUDIO PARA BIG DATA

    1. Escribiendo y leyendo datos en HDFS
    2. Iniciando un trabajo en Spark
    3. Iniciando un trabajo en YARN

    MÓDULO 5. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R

    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
    4. Aspectos legales en Protección de Datos

    UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

    1. Introducción
    2. El modelo relacional
    3. Lenguaje de consulta SQL
    4. MySQL. Una base de datos relacional

    UNIDAD DIDÁCTICA 3. 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 4. 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 5. 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 6. 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. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2

    UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R

    1. Introducción a Gplot
    2. El paquete ggplot2

    UNIDAD DIDÁCTICA 2. EJES

    1. Cambiar títulos de eje
    2. Aumentar el espacio entre ejes y títulos de ejes
    3. Cambiar la estética de los títulos de Axis
    4. Cambiar la estética del texto del eje
    5. Texto del eje de rotación
    6. Eliminar texto de eje y marcas
    7. Eliminar títulos de eje
    8. Límite del rango del eje
    9. Forzar el trazado para que comience en el origen
    10. Ejes con la misma escala
    11. Usar una función para modificar etiquetas

    UNIDAD DIDÁCTICA 3. TÍTULOS

    1. Añade un título
    2. Ajustar la posición de los títulos
    3. Use una fuente no tradicional en su título
    4. Cambiar espaciado en texto de varias líneas

    UNIDAD DIDÁCTICA 4. LEYENDAS

    1. Trabajando con leyendas
    2. Apaga la leyenda
    3. Eliminar títulos de leyenda
    4. Cambiar la posición de la leyenda
    5. Cambiar la dirección de la leyenda
    6. Cambiar el estilo del título de la leyenda
    7. Cambiar título de leyenda
    8. Cambiar el orden de las claves de leyenda
    9. Cambiar etiquetas de leyenda
    10. Cambiar cuadros de fondo en la leyenda
    11. Cambiar el tamaño de los símbolos de leyenda
    12. Dejar una capa fuera de la leyenda
    13. Adición manual de elementos de leyenda
    14. Usar otros estilos de leyenda

    UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA

    1. Cambiar el color de fondo del panel
    2. Cambiar líneas de cuadrícula
    3. Cambiar el espaciado de las líneas de cuadrícula
    4. Cambiar el color de fondo de la trama

    UNIDAD DIDÁCTICA 6. MÁRGENES

    1. Trabajar con márgenes

    UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES

    1. Trabajar con gráficos de paneles múltiples
    2. Crear múltiplos pequeños basados en una variable
    3. Permitir que los ejes deambulen libremente
    4. Uso facet_wrapcon dos variables
    5. Modificar el estilo de los textos de la tira
    6. Crear un panel de diferentes parcelas

    UNIDAD DIDÁCTICA 8. COLORES

    1. Trabajar con colores
    2. Especificar colores individuales
    3. Asignar colores a las variables
    4. Variables Cualitativas
    5. Seleccionar manualmente colores cualitativos
    6. Utilice paletas de colores cualitativas integradas
    7. Use paletas de colores cualitativos de paquetes de extensión
    8. Variables Cuantitativas
    9. La paleta de colores Viridis
    10. Usar paletas de colores cuantitativas de paquetes de extensión
    11. Modificar paletas de colores después

    UNIDAD DIDÁCTICA 9. TEMAS

    1. Cambiar el estilo de trazado general
    2. Cambiar la fuente de todos los elementos de texto
    3. Cambiar el tamaño de todos los elementos de texto
    4. Cambiar el tamaño de todos los elementos de línea y rectángulo
    5. Crea tu propio tema
    6. Actualizar el tema actual

    UNIDAD DIDÁCTICA 10. LÍNEAS

    1. Agregar líneas horizontales o verticales a un gráfico
    2. Agregar una línea dentro de un gráfico
    3. Agregar líneas curvas y flechas a un gráfico

    UNIDAD DIDÁCTICA 11. TEXTO

    1. Agregue etiquetas
    2. Agregar anotaciones de texto
    3. Use Markdown y HTML Rendering para anotaciones

    UNIDAD DIDÁCTICA 12. COORDENADAS

    1. Voltear una parcela
    2. arreglar un eje
    3. Invertir un eje
    4. Transformar un eje
    5. Circularizar una parcela

    UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS

    1. Alternativas a un diagrama de caja
    2. Crear una representación de alfombra en un gráfico
    3. Crear una matriz de correlación
    4. Crear un gráfico de contorno
    5. Crear un mapa de calor
    6. Crear un diagrama de cresta

    UNIDAD DIDÁCTICA 14. CINTAS

    1. Trabajar con cintas (AUC, CI, etc.)

    UNIDAD DIDÁCTICA 15. SUAVIZADOS

    1. Predeterminado: agregar un suavizado LOESS o GAM

    UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS

    1. Trabajar con gráficos interactivos

    MÓDULO 7. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0

    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. SISTEMAS CIBERFÍSICOS

    1. Contexto Sistemas Ciberfísicos (CPS)
    2. Características CPS
    3. Componentes CPS
    4. Ejemplos de uso
    5. Retos y líneas de trabajo futuras

    UNIDAD DIDÁCTICA 3. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL

    1. Conceptos previos
    2. Objetivos de la automatización
    3. Grados de la automatización
    4. Clases de automatización
    5. Equipos para la automatización industrial
    6. Diálogo Hombre-máquina, HMI y SCADA

    UNIDAD DIDÁCTICA 4. INDUSTRIA 4.0

    1. ¿Qué es la Industria 4.0?
    2. Sensores y captación de información
    3. Ciclo de vida de los productos en la Industria 4.0
    4. Modelos de negocio basados en la industria 4.0
    5. IoT industrial

    UNIDAD DIDÁCTICA 5. VIGILANCIA TECNOLÓGICA

    1. Tipos de vigilancia tecnológica
    2. Aspectos esenciales de la vigilancia tecnológica
    3. Búsqueda de información
    4. Implantación de la vigilancia tecnológica

    UNIDAD DIDÁCTICA 6. ESTUDIO DE LA TENDENCIA TEGNOLÓGICA

    1. Introducción
    2. Concepto y nociones esenciales de la prospectiva tecnológica
    3. Tipología de técnicas para la prospectiva tecnológica
    4. Requisitos de implantación

    MÓDULO 8. 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 9. 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 10. PROYECTO FIN DE MÁSTER

    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información