Master en Formación Permanente en IOT Aplicado: Internet de las Cosas e Industria Digital
100% Online
12 meses
2195€
Master en Formación Permanente en IOT Aplicado: Internet de las Cosas e Industria Digital
    Master en Formación Permanente en IOT Aplicado: Internet de las Cosas e Industria Digital

    Master en Formación Permanente en IOT Aplicado: Internet de las Cosas e Industria Digital

    100% Online
    60 ECTS
    12 meses
    2195€

    Presentación

    El Internet de las cosas (IoT) utiliza sensores y APIs para conectarse e intercambiar datos mediante internet y es el principal motivo del desarrollo de la Industria 4.0. Con este Master en IoT aplicado: Internet de las Cosas e Industria Digital podrás administrar las infraestructuras y comunicaciones dentro del ecosistema IOT, Smart Cities y Smart Buildings. También podrás programar chatbots mediante procesamiento de lenguaje natural y crear modelos de visión artificial. Además verás qué tecnologías se aplican al Internet de las Cosas y cómo gestionar la ciberseguridad en dispositivos IoT y en la industria 4.0.

    Universidades colaboradoras

    Para qué te prepara
    Con este Master en IoT aplicado: Internet de las Cosas e Industria Digital podrás administrar las infraestructuras y comunicaciones dentro del ecosistema IOT, Smart Cities y Smart Buildings. También podrás programar chatbots mediante procesamiento de lenguaje natural y crear modelos de visión artificial. Además verás qué tecnologías se aplican al Internet de las Cosas y cómo gestionar la ciberseguridad en dispositivos IoT y en la industria 4.0. Requisitos generales de acceso: a) Estar en posesión de un título universitario español. b) Estar en posesión de un título extranjero que esté homologado a un título universitario oficial español. c) Estar en posesión de un título extranjero no homologado pero que pueda estimarse de nivel equivalente a un título universitario oficial español. d) Profesionales de reconocida y acreditada experiencia laboral y/o profesional, siempre que dicha experiencia esté relacionada con las competencias inherentes al título de Máster. No se estableces requisitos específicos
    Objetivos
    - Descubrir las posibilidades que ofrece el Internet de las Cosas y sus principales aplicaciones. - Realizar gemelos digitales (Digital Twins) con los que poder simular entornos reales. - Conocer y administrar las diferentes infraestructuras IoT. - Descubrir qué tecnologías se aplican para el desarrollo de la industria 4.0. - Desarrollar modelos de visión artificial gracias a la librería Open CV de Python. - Gestionar y administrar Smart Cities y Smart buildings. - Aplicar las medidas de ciberseguridad oportunas en dispositivos IoT y en la industria 4.0.
    A quién va dirigido
    El Master en IoT aplicado: Internet de las Cosas e Industria Digital está dirigido a profesionales y estudiantes del sector informático o industrial que deseen adaptarse a la nueva revolución industrial, la industria 4.0 a través de las inmensas posibilidades que ofrece el Internet de las Cosas (IoT). Si eres un apasionado de las nuevas tecnologías este es tu máster.
    Salidas Profesionales
    Gracias a la realización de este Master en IoT aplicado: Internet de las Cosas e Industria Digital podrás gestionar cualquier ecosistema IoT para adaptarse a la industria 4.0. Optarás a puestos tan importantes como IoT Engineer, Programador de modelos de visión artificial, Lider de proyectos en industrias 4.0 o Experto en gestión de ciberseguridad de ecosistemas IoT.
    Temario

    MÓDULO 1. 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

    MÓDULO 2. 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 3. VISIÓN ARTIFICIAL Y SU APLICACIÓN EN LA INDUSTRIA 4.0

    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)

    MÓDULO 4. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN

    1. ¿Qué es PLN?
    2. ¿Qué incluye el PLN?
    3. Ejemplos de uso de PLN
    4. Futuro del PLN

    UNIDAD DIDÁCTICA 2. RECURSOS PARA EL PLN

    1. Introducción a Python
    2. ¿Qué necesitas?
    3. Librerías para el análisis de datos en Python
    4. PLN en Python con la librería NLTK
    5. Otras herramientas para PLN

    UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN

    1. Principios del análisis sintáctico
    2. Gramática libre de contexto
    3. Analizadores sintácticos (Parsers)

    UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN

    1. Aspectos introductorios del análisis semántico
    2. Lenguaje semántico para PLN
    3. Análisis pragmático

    UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN

    1. Aspectos introductorios
    2. Pasos en la extracción de información
    3. Ejemplo PLN
    4. Ejemplo PLN con entrada de texto en inglés

    MÓDULO 5. CHATBOTS E INTELIGENCIA ARTIFICIAL

    UNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?

    1. Introducción a la Inteligencia artificial
    2. El Test de Turing
    3. Agentes Inteligentes
    4. Aplicaciones de la inteligencia artificial

    UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?

    1. Aspectos introductorios
    2. ¿Qué es un chatbot?
    3. ¿Cómo funciona un chatbot?
    4. VoiceBots
    5. Desafios para los Chatbots

    UNIDAD DIDÁCTICA 3. RELACIÓN ENTRE IA Y CHATBOTS

    1. Chatbots y el papel de la Inteligencia Artificial (IA)
    2. Usos y beneficios de los chatbots
    3. Diferencia entre bots, chatbots e IA

    UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN CHATBOTS

    1. Áreas de aplicación de Chatbots
    2. Desarrollo de un chatbot con ChatterBot y Python
    3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

    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. CIBERSEGURIDAD APLICADA A INTELIGENCIA ARTIFICIAL (IA), SMARTPHONES, INTERNET DE LAS COSAS (IOT) E INDUSTRIA 4.0

    UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD EN NUEVAS TECNOLOGÍAS

    1. Concepto de seguridad TIC
    2. Tipos de seguridad TIC
    3. Aplicaciones seguras en Cloud
    4. Plataformas de administración de la movilidad empresarial (EMM)
    5. Redes WiFi seguras
    6. Caso de uso: Seguridad TIC en un sistema de gestión documental

    UNIDAD DIDÁCTICA 2. CIBERSEGURIDAD EN SMARTPHONES

    1. Buenas prácticas de seguridad móvil
    2. Protección de ataques en entornos de red móv

    UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD

    1. Inteligencia Artificial
    2. Tipos de inteligencia artificial
    3. Impacto de la Inteligencia Artificial en la ciberseguridad

    UNIDAD DIDÁCTICA 4. CIBERSEGURIDAD E INTERNET DE LAS COSAS (IOT)

    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
    8. Vulnerabilidades de IoT
    9. Necesidades de seguridad específicas de IoT

    UNIDAD DIDÁCTICA 5. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0

    1. Industria 4.0
    2. Necesidades en ciberseguridad en la Industria 4.0

    MÓDULO 9. PROYECTO FIN DE MASTER

    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información
    País
    Información básica sobre Protección de Datos . Haz clic aquí