Icono de modalidad 100% Online
Icono de duración 12 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
1995€ 1596€ -20% (hasta el 13/03/2026) * Becas y descuentos no aplicables a formación programada
Seguridad y confianza en tus pagos online.
  • Presentación
  • Temario
  • Metodología
  • Titulación

Descripción

El Master en IA, IOT y Big Data para la transformación digital es la formación más completa para afrontar todos los retos digitales a los que las empresas se enfrentan. La implementación de la tecnología más vanguardista e innovadora ha dejado de ser una tendencia, para convertirse en un aspecto fundamental para que las empresas logren afianzar su posición en su sector y dotar de una mayor eficiencia su actividad profesional.

¿Quién puede acceder al master?

El Master en IA, IOT y Big Data para la Transformación Digital está diseñado para diferentes perfiles profesionales como consecuencia de la polivalencia de esta tecnología. No obstante, los principales destinatarios serán aquellas personas que hayan finalizado sus estudios en ingeniería informática, telecomunicaciones, administración de empresas o económicas.

Objetivos

- Diseñar y controlar la implementación de un plan de transformación digital acorde a los nuevos modelos de negocio y el cliente digital. - Familiarizarse con la figura del CTO, CIO, CDO y otras más que surgen de los nuevos ecosistemas digitales. - Conocer el lenguaje de programación Python, así como herramientas de análisis de datos como MongoDB o Hadoop. - Plasmar los datos de las empresas de forma interactiva con Power BI y tomar decisiones más acertadas. - Hacer uso de la inteligencia artificial, machine learning o Deep learning para crear redes neuronales y algoritmos. - Dirigir a las empresas hacia la industria 4.0 implementando la tecnología IoT, sistemas ciberfísicos o la computación en la nube.

Salidas Profesionales

Los nuevos ecosistemas digitales han dado lugar a nuevos perfiles profesionales como el CTO, CIO, CDO, Data Scientist, gerente de robots, consultor NLP, jefe de proyecto de Big Data, arquitecto de soluciones IoT, entre otros. Para acceder a ellos, se necesita acabar con éxito el master en IA, IOT y Big Data para la transformación digital que cualificará estos perfiles profesionales.

Temario

MÓDULO 1. TRANSFORMACIÓN DIGITAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL

  1. Introducción a la transformación digital
  2. Concepto de innovación
  3. Concepto de tecnología
  4. Tipología de la tecnología
  5. Punto de vista de la ventaja competitiva
  6. Según su disposición en la empresa
  7. Desde el punto de vista de un proyecto
  8. Otros tipos de tecnología
  9. La innovación tecnológica
  10. Competencias básicas de la innovación tecnológica
  11. El proceso de innovación tecnológica
  12. Herramientas para innovar
  13. Competitividad e innovación

UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0

  1. Filosofía Web 3.0 y su impacto en el mundo empresarial
  2. Socialización de la Web
  3. Adaptación del mundo empresarial a las Nuevas tecnologías

UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL

  1. Community Manager
  2. Chief Data Officer
  3. Data Protection Officer
  4. Data Scientist
  5. Otros perfiles
  6. Desarrollo de competencias informáticas
  7. El Papel del CEO como líder en la transformación

UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL

  1. La transición digital del modelo de negocio tradicional
  2. Nuevos modelos de negocio
  3. Freemium
  4. Modelo Long Tail
  5. Modelo Nube y SaaS
  6. Modelo Suscripción
  7. Dropshipping
  8. Afiliación
  9. Infoproductos y E-Learning
  10. Otros

UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL

  1. Diagnóstico de la madurez digital de la empresa
  2. Análisis de la innovación en la empresa
  3. Elaboración del roadmap
  4. Provisión de financiación y recursos tecnológicos
  5. Implementación del plan de transformación digital
  6. Seguimiento del plan de transformación digital

UNIDAD DIDÁCTICA 6. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL

  1. BBVA y la empresa inteligente
  2. DKV Salud y #MédicosfrentealCOVID
  3. El Corte Inglés
  4. Cepsa y su apuesta por los servicios cloud de AWS

UNIDAD DIDÁCTICA 7. EL NUEVO CLIENTE DIGITAL

  1. Rediseñando el customer experience
  2. La transformación de los canales de distribución: omnicanalidad
  3. Plan de marketing digital
  4. Buyer´s Journey
  5. Growth Hacking: estrategia de crecimiento
  6. El nuevo rol del marketing en el funnel de conversión

UNIDAD DIDÁCTICA 8. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES

  1. Oportunidades de innovación derivadas de la globalización
  2. Como Inventar Mercados a través de la Innovación
  3. Etapas de desarrollo y ciclos de vida
  4. Incorporación al mercado
  5. Metodologías de desarrollo

UNIDAD DIDÁCTICA 9. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS

  1. La transformación digital de la cadena de valor
  2. La industria 4.0
  3. Adaptación de la organización a través del talento y la innovación
  4. Modelos de proceso de innovación
  5. Gestión de innovación
  6. Sistema de innovación
  7. Como reinventar las empresas innovando en procesos
  8. Innovación en Procesos a través de las TIC
  9. El Comercio Electrónico: innovar en los canales de distribución
  10. Caso de estudio voluntario: La innovación según Steve Jobs
  11. Caso Helvex: el cambio continuo
  12. La automatización de las empresas: RPA, RBA y RDA

MÓDULO 2. BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del Big Data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)

UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA

  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto

UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence

UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing

UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP

UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube

UNIDAD DIDÁCTICA 8. STORYTELLING

  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?

UNIDAD DIDÁCTICA 9.INTRODUCCIÓN A LA CIENCIA DE DATOS

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos

UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python. Dream Team del Big Data

UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

MÓDULO 3. ANÁLISIS DE DATOS CON PYTHON

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS

  1. ¿Qué es el análisis de datos?

UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB

  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib

UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS

  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas

UNIDAD DIDÁCTICA 4. PIVOT TABLES

  1. Pivot tables en pandas

UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN

  1. El grupo de pandas

UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES

  1. Python Pandas fusionando marcos de datos

UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN

  1. Matplotlib
  2. Seaborn

UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING

  1. Aprendizaje automático

UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA

  1. Regresión lineal
  2. Regresión logística

UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES

  1. Estructura de árbol

UNIDAD DIDÁCTICA 11. NAIVE BAYES

  1. Algoritmo de Naive bayes
  2. Tipos de Naive Bayes

UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)

  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. ¿Cómo funciona SVM?
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn

UNIDAD DIDÁCTICA 13. KNN

  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN

UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)

  1. Análisis de componentes principales

UNIDAD DIDÁCTICA 15. RANDOM FOREST

  1. Algoritmo de Random Forest

MÓDULO 4. VISUALIZACIÓN DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos

UNIDAD DIDÁCTICA 2. TABLEAU

  1. ¿Qué es Tableau? Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau

UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3

UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)

  1. Visualización de datos
  2. Tipologías de gráficos
  3. Fuentes de datos
  4. Creación de informes

UNIDAD DIDÁCTICA 5. QLIKVIEW

  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos

UNIDAD DIDÁCTICA 6. POWER BI

  1. Introducción a Power BI
  2. Instalación de Power BI
  3. Modelado de datos
  4. Visualización de datos
  5. Dashboards
  6. Uso compartido de datos

UNIDAD DIDÁCTICA 7. CARTO

  1. CartoDB
  2. ¿Qué es CARTO?
  3. Carga y uso de datos. Tipos de análisis
  4. Programación de un visor con la librería CARTO.js
  5. Uso de ejemplos y ayudas de la documentación de la API

MÓDULO 5. 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 6. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL

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. PLN EN PYTHON

  1. PLN en Python con la librería NLTK
  2. 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

UNIDAD DIDÁCTICA 6. ¿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 7. 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 8. 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 7. 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 8. IOT Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0 Y SMART BUILDING

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

UNIDAD DIDÁCTICA 3. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL

  1. Conceptos previos
  2. Objetivos de la automatización
  3. Grados de automatización
  4. Clases de automatización
  5. Equipos para la automatización industrial
  6. Diálogo Hombre-máquina, HMI y SCADA

UNIDAD DIDÁCTICA 4. INDUSTRIA 4.0

  1. ¿Qué es la Industria 4.0?
  2. Sensores y captación de información
  3. Ciclo de vida de los productos en la Industria 4.0
  4. Modelos de negocio basados en la industria 4.0
  5. IoT industrial

UNIDAD DIDÁCTICA 5. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0

  1. Industria 4.0
  2. Necesidades en ciberseguridad en la Industria 4.0
  3. Ciberseguridad en Sistemas de Control Industrial (IC)
  4. Amenazas y riesgos en los entornos IC
  5. Mecanismo de defensa frente a ataques en entornos IC

UNIDAD DIDÁCTICA 6. BIM

  1. Introducción
  2. Filosofía BIM
  3. Sector AEC
  4. Exigencias del mercado
  5. Del BIM al CIM
  6. Software BIM

UNIDAD DIDÁCTICA 7. QUE ES EL SMART BUILDING

  1. El concepto de Smart Building
  2. El crecimiento del Smart Building desde su inicio
  3. El mercado del Smart Building en España

UNIDAD DIDÁCTICA 8. ÁREAS EN LAS QUE SE APLICA EL SMART BUILDING

  1. Climatización
  2. Iluminación
  3. Seguridad
  4. Telecomunicaciones
  5. Eficiencia energética
  6. Monitorización

MÓDULO 9. TECNOLOGÍAS 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

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 de calidad del agua
  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 10. 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 11. PROYECTO FIN DE MÁSTER

Metodología

EDUCA LXP se basa en 6 pilares

Item
Estrellas

Distintiva

EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.

Gráfica

Realista

La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.

Birrete

Student First

La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.

Inteligencia Artificial

Inteligencia Artificial

La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.

Monitor

Profesionales en activo

Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.

Libro

Timeless Learning

La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.

Titulación

Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales. "Enseñanza No Oficial y No Conducente a la Obtención de un Título con Carácter Oficial o Certificado de Profesionalidad."
Titulacion de INESEM

INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 65 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.

También podría interesarte...

Otras Acciones Formativas relacionadas

Beca 15 %
Curso en Gestión de la Innovación y Tecnología de las Organizaciones
Icono de modalidad Online
Icono de duración 150 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más
Beca 15 %
Curso en Business Agility
Icono de modalidad Online
Icono de duración 120 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más
Beca 20 %
Máster en Gestión Empresarial de la I+D+i + Titulación Universitaria
Icono de modalidad Online
Icono de duración 12 Meses
Icono de créditos ECTS 15 ECTS
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
1995€ 1596€
Titulacion de INESEM
Matricularme Ver más
Beca 15 %
Curso de Estrategias en Innovación Disruptiva y Nuevos Modelos de Negocio
Icono de modalidad Online
Icono de duración 150 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más

Explora nuestras Áreas Formativas

Construye tu carrera profesional

Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.

Máster en IA, IoT y Big Data para la Transformación Digital

Icono de modalidad 100% Online
Icono de duración 12 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
1995€ 1596€
1995€ 1596€
Matricularme
Matricularme