Máster en Formación Permanente en Internet de las Cosas (IOT)
100% Online
12 meses
2195€
Matricularme
Máster en Formación Permanente en Internet de las Cosas (IOT)
    Máster en Formación Permanente en Internet de las Cosas (IOT)

    Máster en Formación Permanente en Internet de las Cosas (IOT)

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

    Presentación

    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.
    Qs World University Rankings

    Universidades colaboradoras

    Para qué te prepara
    Este Master en Internet de las Cosas (IoT) te prepara para ser un experto en el campo del Internet de las Cosas, dotándote de los conocimientos necesarios para diseñar, implementar y gestionar soluciones de IoT. Te brinda las herramientas para innovar en diferentes sectores, aprovechando las tecnologías más avanzadas. Desarrollarás una comprensión sólida de los fundamentos del IoT y aprenderás a aplicar tecnologías aplicadas al IoT.
    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.
    A quién va dirigido
    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.
    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.
    Temario

    MÓDULO 1. INTERNET DE LAS COSAS (IOT)

    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 2. INTRODUCCIÓN A INTERNET OF BEHAVIORS (IOB)

    UNIDAD DIDÁCTICA 1. CONCEPTO DE INTERNET OF BEHAVIORS (IOB). RELACIÓN CON IOT, IA, BIG DATA, MACHINE LEARNING Y DEEP LEARNING

    1. Introducción al IOB
    2. Beneficios de IoB
    3. Internet de las Cosas (IoT)
    4. Deep Learning
    5. Machine Learning
    6. IA
    7. Big Data
    8. Selección de datos de IoB

    UNIDAD DIDÁCTICA 2. HISTORIA DE IOB: DESDE EL PRIMER SENSOR HASTA LA VIGILANCIA MASIVA

    1. Orígenes de Internet
    2. Productos de IoB en uso o en desarrollo
    3. Potenciales beneficios de IoB
    4. Problemas de IoB
    5. El futuro del IoB

    UNIDAD DIDÁCTICA 3. ÁMBITOS Y MERCADOS DE APLICACIÓN DEL IOB: SALUD, SEGURIDAD, PUBLICIDAD, SEGUROS, INDUSTRIAS,…

    1. Recopilación de datos y análisis del comportamiento
    2. Uso de IoB en varios sectores
    3. IoB para satisfacer las necesidades de los clientes
    4. Estrategias de IoB
    5. Atributos de calidad relacionados con IoB
    6. Pasos de trabajo con IoB
    7. Aplicaciones de IoB

    UNIDAD DIDÁCTICA 4. TIPOS DE SENSORES PARA IOB: RFID, CÓDIGOS QR, TARJETAS,…

    1. Funcionalidades de los sensores IoB
    2. Red de sensores inalámbricos
    3. RFID
    4. Códigos QR
    5. Tarjetas

    UNIDAD DIDÁCTICA 5. ÉTICA DEL IOB: BENEFICIOS Y DAÑOS SOCIOCULTURALES

    1. Ética de la sociedad de información
    2. Políticas de ética corporativa
    3. Estudios de caso
    4. Influencia en el comportamiento del consumidor
    5. Riesgos morales de la nueva tecnología

    UNIDAD DIDÁCTICA 6. LEGISLACIÓN ACERCA DEL IOB. RGPD / CNIL

    1. Legislación acerca del IoB
    2. Protección de datos
    3. RGPD
    4. Responsabilidad de tratamiento de datos personales
    5. Reglas de privacidad de datos
    6. CNIL
    7. Consentimiento y control del usuario

    MÓDULO 3. 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 GMAO
    6. Como elegir un Programa GMAO - Software GMAO
    7. Software de mantenimiento gratuito PMX-PRO

    MÓDULO 4. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)

    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

    UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING

    1. Introducción
    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 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

    1. Introducción
    2. Algoritmos

    UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN

    1. Introducción
    2. Filtrado colaborativo
    3. Clusterización
    4. Sistemas de recomendación híbridos

    UNIDAD DIDÁCTICA 10. CLASIFICACIÓN

    1. Clasificadores
    2. Algoritmos

    UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING

    1. Componentes
    2. Aprendizaje

    UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN

    1. Introducción
    2. El proceso de paso de DSS a IDSS
    3. Casos de aplicación

    UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

    1. Aprendizaje profundo
    2. Entorno de Deep Learning con Python
    3. Aprendizaje automático y profundo

    UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES

    1. Redes neuronales
    2. Redes profundas y redes poco profundas

    UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA

    1. Perceptrón de una capa y multicapa
    2. Ejemplo de perceptrón

    UNIDAD DIDÁCTICA 16. REDES MULTICAPA

    1. Tipos de redes profundas
    2. Trabajar con TensorFlow y Python

    UNIDAD DIDÁCTICA 17. 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 5. 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 6. TECNOLOGIAS APLICADAS A INTERNET DE LAS COSAS (IOT)

    UNIDAD DIDÁCTICA 1 .SISTEMAS EMBEBIDOS EN IOT

    1. ¿Qué es un sistema embebido?
    2. Hardware
    3. Software
    4. Funcionamiento de los sistemas embebidos
    5. Ciclo de vida de desarrollo de software integrado

    UNIDAD DIDÁCTICA 2 .SENSORES ELECTRÓNICOS PARA IOT

    1. Sensores para IoT
    2. Sensores de temperatura
    3. Sensor de proximidad
    4. Sensor de presión
    5. Sensor de calidad del agua
    6. Sensor químico
    7. Sensor de gas
    8. Sensor de humo
    9. Sensores IR (infrarojos)
    10. Sensores de nivel
    11. Sensores de imagen
    12. Sensores de detección de movimiento
    13. Sensores de acelerómetro
    14. Sensores de giroscopio
    15. Sensores de humedad
    16. Sensores ópticos

    UNIDAD DIDÁCTICA 3 .REDES, TIPOLOGÍAS Y SU APLICACIÓN EN IOT

    1. Arquitectura IoT
    2. Capas de la arquitectura IoT
    3. Tipos de redes IoT
    4. Seguridad en redes IoT

    UNIDAD DIDÁCTICA 4 .TECNOLOGÍA INALAMBRICA EN IOT

    1. Tecnología inalámbrica para IoT
    2. 2G/3G/4G/5G Móvil
    3. 802.15.4
    4. 6LoWPAN Direcciones Nodos
    5. Bluetooth
    6. LoRaWan
    7. LTE Cat 0/1
    8. NB-IoT
    9. SIGFOX
    10. Weightless
    11. Wi-Fi
    12. WirelessHART
    13. Zigbee
    14. Z-Wave

    UNIDAD DIDÁCTICA 5 .SISTEMAS DE COMUNICACIÓN EN IOT

    1. Diseño lógico de IoT
    2. Bloques funcionales de IoT
    3. Modelos de comunicación de IoT y relación
    4. Modelos de comunicación de IoT y arquitectura
    5. API de comunicación de IoT

    UNIDAD DIDÁCTICA 6 .SECTORES Y APLICACIONES PARA IOT

    1. Aplicación de IoT
    2. Agricultura inteligente
    3. Vehículos inteligentes
    4. Hogar inteligente
    5. Control inteligente de la contaminación
    6. Smart Healthcare
    7. Ciudades Inteligentes
    8. Smart Retail
    9. Business Analytics
    10. Wearables
    11. Automatización industrial
    12. Ejemplo de aplicación
    13. Principales aplicaciones de IoT

    MÓDULO 7. SMART BUILDINGS & SMART CITIES

    UNIDAD DIDÁCTICA 1 .SMART BUILDINGS (EDIFICIOS INTELIGENTES). DOMÓTICA

    1. Domótica
    2. Edificios inteligentes
    3. Diferencias entre Smart Home y Smart Building

    UNIDAD DIDÁCTICA 2 .TRANSICIÓN ENTRE EDIFICIOS TRADICIONALES A EDIFICIOS INTELIGENTES Y CIUDADES INTELIGENTES

    1. Sistemas de automatización y control de edificios
    2. Funciones principales de BACS
    3. Funcionamiento de BACS
    4. Origen de BACS
    5. Desarrollo de BACS
    6. Tendencias de BACS
    7. Mercado de BACS

    UNIDAD DIDÁCTICA 3 .SMART CITIES. CONCEPTO Y MODELOS

    1. Concepto de ciudad inteligente
    2. Gobernanza y crecimiento
    3. Desarrollo urbano e infraestructura
    4. Medio ambiente y recursos naturales
    5. Sociedad y comunidad
    6. Opciones de futuro

    UNIDAD DIDÁCTICA 4 .PLANIFICACIÓN DE CIUDADES INTELIGENTES Y ECOSISTEMAS

    1. Planificación de ciudades inteligentes
    2. Marco del ecosistema de Smart City
    3. Proceso de construcción

    MÓDULO 8. SEGURIDAD EN IOT

    UNIDAD DIDÁCTICA 1. FUNDAMENTOS EN CIBERSEGURIDAD

    UNIDAD DIDÁCTICA 2. CIBERATAQUES A DISPOSITIVOS IOT

    UNIDAD DIDÁCTICA 3. SEGURIDAD DE SISTEMAS IOT Y ARQUITECTURA

    UNIDAD DIDÁCTICA 4. REQUERIMIENTOS DE SEGURIDAD Y ANÁLISIS DE AMENZAS EN IOT

    UNIDAD DIDÁCTICA 5. DISPOSITIVOS, CONTROL DE ACCESO Y ENCRIPTACIÓN PARA DISPOSITIVOS IOT

    MÓDULO 9. PROYECTO FIN DE MÁSTER

    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información