Home / FACULTAD DE NUEVAS TECNOLOGÍAS / Máster en Formación Permanente en Internet de las Cosas

Máster en Formación Permanente en Internet de las Cosas

Incluye contenido gratis con tu suscripción

Solicita información gratis

Estoy de acuerdo con la Política de privacidad.

Matricúlate ahora online

Sobre este curso

Titulación universitaria

1500 h

Online

60 ECTS (Créditos)

Facultad De Nuevas TecnologÍas

Iot (internet Of Things)

Másteres De Formación Permanente

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

Titulación Universitaria de Master en Formación Permanente en Internet de las Cosas (IOT) con 1500 horas y 60 créditos ECTS por la Universidad Católica de Murcia

Vídeo de universitarios opinando sobre la Universidad Católica San Antonio de Murcia

Esta formación incluye contenido gratis con tu suscripción Educa University

¿Aún no te has suscrito? En Educa University, respondemos ágilmente a las necesidades educativas de un mundo digitalizado y en constante cambio. Somos líderes en el desarrollo de programas educativos y herramientas IA, con alianzas con prestigiosas universidades en Europa, Estados Unidos y América Latina.

Suscríbete ahora

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.

Contenido

MÓDULO 1. INTERNET DE LAS COSAS (IOT)

UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 2. TECNOLOGÍAS APLICADAS A INTERNET DE LAS COSAS
La relación entre M2M e IoT
IoT y Smart Cities
Los sistemas inteligentes de transporte
Smart Home
UNIDAD DIDÁCTICA 3. DISPOSITIVOS Y APLICACIONES IOT
Dispositivos e IoT
Interfaces
Impresión 3D
UNIDAD DIDÁCTICA 4. SEGURIDAD EN IOT
La seguridad TIC
Tipos de seguridad TIC
Vulnerabilidades de IoT
Necesidades de seguridad específicas de IoT
UNIDAD DIDÁCTICA 5. SISTEMAS ENERGÉTICOS BASADOS EN IOT
La importancia de la eficiencia energética
Las fuentes de consumo
IoT como gran aliado de las energías renovables
Microrredes
UNIDAD DIDÁCTICA 6. SISTEMAS CIBERFÍSICOS
Contexto Sistemas Ciberfísicos (CPS)
Características CPS
Componentes CPS
Ejemplos de uso
Retos y líneas futuras
UNIDAD DIDÁCTICA 7. INTERNET DE LAS COSAS CON ARDUINO
Introducción a Arduino
Características
Objetivos
Una vuelta por el pasado
El microcontrolador
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
Introducción al IOB
Beneficios de IoB
Internet de las Cosas (IoT)
Deep Learning
Machine Learning
IA
Big Data
Selección de datos de IoB
UNIDAD DIDÁCTICA 2. HISTORIA DE IOB: DESDE EL PRIMER SENSOR HASTA LA VIGILANCIA MASIVA
Orígenes de Internet
Productos de IoB en uso o en desarrollo
Potenciales beneficios de IoB
Problemas de IoB
El futuro del IoB
UNIDAD DIDÁCTICA 3. ÁMBITOS Y MERCADOS DE APLICACIÓN DEL IOB: SALUD, SEGURIDAD, PUBLICIDAD, SEGUROS, INDUSTRIAS,?
Recopilación de datos y análisis del comportamiento
Uso de IoB en varios sectores
IoB para satisfacer las necesidades de los clientes
Estrategias de IoB
Atributos de calidad relacionados con IoB
Pasos de trabajo con IoB
Aplicaciones de IoB
UNIDAD DIDÁCTICA 4. TIPOS DE SENSORES PARA IOB: RFID, CÓDIGOS QR, TARJETAS,?
Funcionalidades de los sensores IoB
Red de sensores inalámbricos
RFID
Códigos QR
Tarjetas
UNIDAD DIDÁCTICA 5. ÉTICA DEL IOB: BENEFICIOS Y DAÑOS SOCIOCULTURALES
Ética de la sociedad de información
Políticas de ética corporativa
Estudios de caso
Influencia en el comportamiento del consumidor
Riesgos morales de la nueva tecnología
UNIDAD DIDÁCTICA 6. LEGISLACIÓN ACERCA DEL IOB. RGPD / CNIL
Legislación acerca del IoB
Protección de datos
RGPD
Responsabilidad de tratamiento de datos personales
Reglas de privacidad de datos
CNIL
Consentimiento y control del usuario

MÓDULO 3. DIGITAL TWINS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A DIGITAL TWINS
¿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
UNIDAD DIDÁCTICA 2. SIMULACIÓN DE PRODUCCIÓN DE FABRICACIÓN MECÁNICA
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
UNIDAD DIDÁCTICA 3. CONTEXTO DE LA INGENIERÍA SIMULTANEA Y CICLO DE VIDA DEL PRODUCTO
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
UNIDAD DIDÁCTICA 4. INTEGRACIÓN DE LA INGENIERÍA CONCURRENTE CON EL SISTEMA DE GESTIÓN DE CALIDAD
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
UNIDAD DIDÁCTICA 5. FUNDAMENTOS DE SISTEMAS DE CONTROL Y SUPERVISIÓN DE PROCESOS: SCADA Y HMI
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
UNIDAD DIDÁCTICA 6. BUSES Y REDES INDUSTRIALES. CONCEPTOS INICIALES
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
UNIDAD DIDÁCTICA 7. FUNCIONAMIENTO Y APLICACIÓN DE LOS PRINCIPALES BUSES INDUSTRIALES
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
UNIDAD DIDÁCTICA 8. GMAO - GESTIÓN DEL MANTENIMIENTO ASISTIDO POR ORDENADOR
Que es GMAO
Que es CMMS - GMAC
Ventajas de utilizar Programas GMAO - Software GMAO
Los mejores Programas GMAO - Software GMAO

Módulos de un GMAOComo elegir un Programa GMAO - Software GMAOSoftware 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
Introducción a la inteligencia artificial
Historia
La importancia de la IA
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
Tipos de inteligencia artificial
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
Sistemas expertos
Estructura de un sistema experto
Inferencia: Tipos
Fases de construcción de un sistema
Rendimiento y mejoras
Dominios de aplicación
Creación de un sistema experto en C#
Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
Futuro de la inteligencia artificial
Impacto de la IA en la industria
El impacto económico y social global de la IA y su futuro
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
Introducción
Algoritmos
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
Clasificadores
Algoritmos
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
Componentes
Aprendizaje
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
Redes neuronales
Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
UNIDAD DIDÁCTICA 16. REDES MULTICAPA
Tipos de redes profundas
Trabajar con TensorFlow y Python
UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
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
La visión artificial: definiciones y aspectos principales
UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
Ópticas
Iluminación
Cámaras
Sistemas 3D
Sensores
Equipos compactos
Metodologías para la selección del hardware
UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
Algoritmos
Software
Segmentación e interpretación de imágenes
Metodologías para la selección del software
UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
Aplicaciones clásicas: discriminación, detección de fallos?
Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
Descripción general OpenCV
Instalación OpenCV para Python en Windows
Instalación OpenCV para Python en Linux
Anaconda y OpenCV
UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
Manejo de archivos
Leer una imagen con OpenCV
Mostrar imagen con OpenCV
Guardar una imagen con OpenCV
Operaciones aritméticas en imágenes usando OpenCV
Funciones de dibujo
UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES
Redimensión de imágenes
Erosión de imágenes
Desenfoque de imágenes
Bordeado de imágenes
Escala de grises en imágenes
Escalado, rotación, desplazamiento y detección de bordes
Erosión y dilatación de imágenes
Umbrales simples
Umbrales adaptativos
Umbral de Otsu
Contornos de imágenes
Incrustación de imágenes
Intensidad en imágenes
Registro de imágenes
Extracción de primer plano
Operaciones morfológicas en imágenes
Pirámide de imágen
UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING
Analizar imágenes usando histogramas
Ecualización de histogramas
Template matching
Detección de campos en documentos usando Template matching
UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR
Espacios de color en OpenCV
Cambio de espacio de color
Filtrado de color
Denoising de imágenes en color
Visualizar una imagen en diferentes espacios de color
UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
Detección de líneas
Detección de círculos
Detectar esquinas (Método Shi-Tomasi)
Detectar esquinas (método Harris)
Encontrar círculos y elipses
Detección de caras y sonrisas
UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO
Vecino más cercano (K-Nearest Neighbour)
Agrupamiento de K-medias (K-Means Clustering)

MÓDULO 6. TECNOLOGIAS APLICADAS A INTERNET DE LAS COSAS (IOT)

UNIDAD DIDÁCTICA 1 .SISTEMAS EMBEBIDOS EN IOT
¿Qué es un sistema embebido?
Hardware
Software
Funcionamiento de los sistemas embebidos
Ciclo de vida de desarrollo de software integrado
UNIDAD DIDÁCTICA 2 .SENSORES ELECTRÓNICOS PARA IOT
Sensores para IoT
Sensores de temperatura
Sensor de proximidad
Sensor de presión
Sensor de calidad del agua
Sensor químico
Sensor de gas
Sensor de humo
Sensores IR (infrarojos)
Sensores de nivel
Sensores de imagen
Sensores de detección de movimiento
Sensores de acelerómetro
Sensores de giroscopio
Sensores de humedad
Sensores ópticos
UNIDAD DIDÁCTICA 3 .REDES, TIPOLOGÍAS Y SU APLICACIÓN EN IOT
Arquitectura IoT
Capas de la arquitectura IoT
Tipos de redes IoT
Seguridad en redes IoT
UNIDAD DIDÁCTICA 4 .TECNOLOGÍA INALAMBRICA EN IOT
Tecnología inalámbrica para IoT
2G/3G/4G/5G Móvil
802.15.4
6LoWPAN Direcciones Nodos
Bluetooth
LoRaWan
LTE Cat 0/1
NB-IoT
SIGFOX
Weightless
Wi-Fi
WirelessHART
Zigbee
Z-Wave
UNIDAD DIDÁCTICA 5 .SISTEMAS DE COMUNICACIÓN EN IOT
Diseño lógico de IoT
Bloques funcionales de IoT
Modelos de comunicación de IoT y relación
Modelos de comunicación de IoT y arquitectura
API de comunicación de IoT
UNIDAD DIDÁCTICA 6 .SECTORES Y APLICACIONES PARA IOT
Aplicación de IoT
Agricultura inteligente
Vehículos inteligentes
Hogar inteligente
Control inteligente de la contaminación
Smart Healthcare
Ciudades Inteligentes
Smart Retail
Business Analytics
Wearables
Automatización industrial
Ejemplo de aplicación
Principales aplicaciones de IoT

MÓDULO 7. SMART BUILDINGS & SMART CITIES

UNIDAD DIDÁCTICA 1 .SMART BUILDINGS (EDIFICIOS INTELIGENTES). DOMÓTICA
Domótica
Edificios inteligentes
Diferencias entre Smart Home y Smart Building
UNIDAD DIDÁCTICA 2 .TRANSICIÓN ENTRE EDIFICIOS TRADICIONALES A EDIFICIOS INTELIGENTES Y CIUDADES INTELIGENTES
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
UNIDAD DIDÁCTICA 3 .SMART CITIES. CONCEPTO Y MODELOS
Concepto de ciudad inteligente
Gobernanza y crecimiento
Desarrollo urbano e infraestructura
Medio ambiente y recursos naturales
Sociedad y comunidad
Opciones de futuro
UNIDAD DIDÁCTICA 4 .PLANIFICACIÓN DE CIUDADES INTELIGENTES Y ECOSISTEMAS
Planificación de ciudades inteligentes
Marco del ecosistema de Smart City
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

Metodología

Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.

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.

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.

Oportunidades 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.