Curso Online en Inteligencia Artificial e IoT para la Automatización y Transformación Industrial

1.    Fundamentos de la Inteligencia Artificial aplicada al entorno industrial

1.1.  Evolución histórica de la Inteligencia Artificial y su incorporación progresiva a la industria

1.2.  Principales ramas y subdisciplinas de la Inteligencia Artificial con aplicación industrial

1.3.  Diferencias entre Inteligencia Artificial débil, fuerte y superinteligencia en el ámbito productivo

1.4.  Marcos conceptuales de la IA en la cadena de valor industrial

1.5.  Infraestructura computacional necesaria para la implementación de IA industrial

1.6.  Limitaciones actuales y desafíos éticos de la Inteligencia Artificial en el sector industrial

2.    Internet de las Cosas (IoT): arquitectura, protocolos y tecnologías habilitadoras

2.1.  Definición, evolución histórica y alcance actual del Internet de las Cosas

2.2.  Arquitectura de referencia de los sistemas IoT

2.3.  Protocolos de comunicación específicos para entornos IoT

2.4.  Tecnologías habilitadoras complementarias del ecosistema IoT

2.5.  Estándares internacionales y organismos de normalización en el ámbito IoT

2.6.  Interoperabilidad y desafíos de integración entre plataformas y dispositivos heterogéneos

3.    Sensorización y adquisición de datos en entornos industriales

3.1.  Tipología y clasificación de sensores utilizados en la industria

3.2.  Actuadores y sistemas de control vinculados a la cadena de sensorización

3.3.  Sistemas de adquisición de datos (DAQ) en planta industrial

3.4.  Acondicionamiento y preprocesamiento de señales industriales

3.5.  Buses de campo y redes de comunicación industrial

3.6.  Estrategias de almacenamiento local y en la nube para datos industriales masivos

3.7.  Calidad del dato industrial: validación, trazabilidad y gobernanza de la información

4.    Plataformas y ecosistemas de IoT industrial (IIoT)

4.1.  Concepto y diferenciación entre IoT de consumo e IoT industrial (IIoT)

4.2.  Principales plataformas IIoT disponibles en el mercado

4.3.  Criterios de selección de plataforma IIoT para proyectos industriales

4.4.  Diseño de arquitecturas IIoT escalables, modulares y resilientes

4.5.  Gestión del ciclo de vida de dispositivos conectados en planta industrial

4.6.  Casos de uso representativos de IIoT en sectores industriales clave

5.    Técnicas de Machine Learning para el análisis de datos industriales

5.1.  Fundamentos del aprendizaje supervisado, no supervisado y por refuerzo aplicados a la industria

5.2.  Preparación y tratamiento de datos industriales para modelos de Machine Learning

5.3.  Algoritmos de clasificación aplicados a problemas industriales

5.4.  Algoritmos de regresión para la predicción de variables continuas de proceso

5.5.  Técnicas de clustering y detección de anomalías en entornos de producción

5.6.  Aprendizaje por refuerzo para la optimización dinámica de procesos industriales

5.7.  Evaluación, validación y selección de modelos en contextos industriales reales

5.8.  Herramientas y frameworks de Machine Learning orientados al entorno industrial

6.    Deep Learning y visión artificial aplicados a procesos de manufactura

6.1.  Fundamentos de las redes neuronales profundas y su relevancia en la industria

6.2.  Redes neuronales convolucionales (CNN) para el análisis de imagen industrial

6.3.  Visión artificial aplicada al control de calidad y la inspección automatizada

6.4.  Redes neuronales recurrentes (RNN) y LSTM para el análisis de series temporales industriales

6.5.  Redes generativas adversarias (GAN) para la generación de datos sintéticos industriales

6.6.  Despliegue de modelos de Deep Learning en dispositivos de borde (edge AI)

6.7.  Frameworks y entornos de desarrollo: TensorFlow, PyTorch y ONNX en aplicaciones industriales

7.    Convergencia IA-IoT: diseño de arquitecturas inteligentes para la industria

7.1.  Fundamentos de la integración sinérgica entre Inteligencia Artificial e Internet de las Cosas

7.2.  Arquitecturas de referencia para sistemas AIoT en entornos industriales

7.3.  Procesamiento inteligente en tiempo real de flujos de datos IoT

7.4.  Diseño de pipelines de datos industriales

7.5.  MLOps en entornos industriales

7.6.  Casos de referencia de convergencia IA-IoT en la industria

8.    Automatización inteligente de procesos industriales

8.1.  Evolución de la automatización industrial

8.2.  Sistemas de control industrial con IA

8.3.  Robótica industrial inteligente

8.4.  Optimización de la planificación de la producción

8.5.  Sistemas de control de calidad automatizado

8.6.  Automatización de la gestión energética

8.7.  Logística interna inteligente

9.    Mantenimiento predictivo y gestión inteligente de activos industriales

9.1.  Evolución de las estrategias de mantenimiento

9.2.  Fundamentos del mantenimiento predictivo

9.3.  Técnicas de análisis de señales

9.4.  Modelos de Machine Learning para fallos

9.5.  Mantenimiento prescriptivo

9.6.  Plataformas EAM con IA

9.7.  ROI de mantenimiento predictivo

10.    Ciberseguridad industrial en entornos conectados de IA e IoT

10.1.  Panorama de amenazas

10.2.  Marcos normativos

10.3.  Estrategias de seguridad

10.4.  IA en ciberseguridad

10.5.  Seguridad de modelos

10.6.  Continuidad de negocio

11.    Gemelos digitales y simulación industrial avanzada

11.1.  Concepto de gemelo digital

11.2.  Arquitectura tecnológica

11.3.  Herramientas y plataformas

11.4.  Aplicaciones industriales

11.5.  Formación con gemelos digitales

11.6.  Desafíos de implementación

12.    Estrategias de transformación digital industrial y hoja de ruta hacia la Industria 4.0

12.1.  Marco conceptual de Industria 4.0

12.2.  Diagnóstico de madurez digital

12.3.  Diseño de hoja de ruta

12.4.  Gestión del cambio organizacional

12.5.  KPI de transformación digital

12.6.  Marco regulatorio

12.7.  Tendencias hacia Industria 5.0