Home / FACULTAD DE NUEVAS TECNOLOGÍAS / Máster en Formación Permanente en IOT Aplicado: Internet de las Cosas e Industria Digital

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

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 IOT Aplicado: Internet de las Cosas e Industria Digital

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

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.

Contenido

MÓDULO 1. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0

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. SISTEMAS CIBERFÍSICOS
Contexto Sistemas Ciberfísicos (CPS)
Características CPS
Componentes CPS
Ejemplos de uso
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
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 3. VISIÓN ARTIFICIAL Y SU APLICACIÓN EN LA INDUSTRIA 4.0

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)

MÓDULO 4. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
¿Qué es PLN?
¿Qué incluye el PLN?
Ejemplos de uso de PLN
Futuro del PLN
UNIDAD DIDÁCTICA 2. RECURSOS PARA EL PLN
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
PLN en Python con la librería NLTK
Otras herramientas para PLN
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
Principios del análisis sintáctico
Gramática libre de contexto
Analizadores sintácticos (Parsers)
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
Aspectos introductorios del análisis semántico
Lenguaje semántico para PLN
Análisis pragmático
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
Aspectos introductorios
Pasos en la extracción de información
Ejemplo PLN
Ejemplo PLN con entrada de texto en inglés

MÓDULO 5. CHATBOTS E INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
Introducción a la Inteligencia artificial
El Test de Turing
Agentes Inteligentes
Aplicaciones de la inteligencia artificial
UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?
Aspectos introductorios
¿Qué es un chatbot?
¿Cómo funciona un chatbot?
VoiceBots
Desafios para los Chatbots
UNIDAD DIDÁCTICA 3. RELACIÓN ENTRE IA Y CHATBOTS
Chatbots y el papel de la Inteligencia Artificial (IA)
Usos y beneficios de los chatbots
Diferencia entre bots, chatbots e IA
UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN CHATBOTS
Áreas de aplicación de Chatbots
Desarrollo de un chatbot con ChatterBot y Python
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
¿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. CIBERSEGURIDAD APLICADA A INTELIGENCIA ARTIFICIAL (IA), SMARTPHONES, INTERNET DE LAS COSAS (IOT) E INDUSTRIA 4.0

UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD EN NUEVAS TECNOLOGÍAS
Concepto de seguridad TIC
Tipos de seguridad TIC
Aplicaciones seguras en Cloud
Plataformas de administración de la movilidad empresarial (EMM)
Redes WiFi seguras
Caso de uso: Seguridad TIC en un sistema de gestión documental
UNIDAD DIDÁCTICA 2. CIBERSEGURIDAD EN SMARTPHONES
Buenas prácticas de seguridad móvil
Protección de ataques en entornos de red móv
UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD
Inteligencia Artificial
Tipos de inteligencia artificial
Impacto de la Inteligencia Artificial en la ciberseguridad
UNIDAD DIDÁCTICA 4. CIBERSEGURIDAD E INTERNET DE LAS COSAS (IOT)
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
Vulnerabilidades de IoT
Necesidades de seguridad específicas de IoT
UNIDAD DIDÁCTICA 5. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0
Industria 4.0
Necesidades en ciberseguridad en la Industria 4.0

MÓDULO 9. PROYECTO FIN DE MASTER

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

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

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.

Oportunidades 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.