Esta página web usa cookies

El sitio web de la Fundació Politècnica de Catalunya utiliza cookies propias y de terceros para mejorar la experiencia de navegación y con fines estadísticos. Para obtener más información sobre las cookies puede consultar la política de cookies.

Aceptar solo las seleccionadas
Permitir todas las cookies
Mostrar detalle
INFORMACIÓN

Las cookies son pequeños archivos de texto que las páginas web pueden utilizar para hacer más eficiente la experiencia del usuario.
La ley afirma que podemos almacenar cookies en su dispositivo si son estrictamente necesarias para el funcionamiento de esta página. Para todos los demás tipos de cookies necesitamos su permiso.
Esta página utiliza tipos diferentes de cookies. Algunas cookies son colocadas por servicios de terceros que aparecen en nuestras páginas.
En cualquier momento puede cambiar o retirar su consentimiento desde la Declaración de cookies en nuestro sitio web.
Obtenga más información sobre quiénes somos, cómo puede contactarnos y cómo procesamos los datos personales en nuestra política de privacidad.
Al contactarnos respecto a su consentimiento, por favor, indique su identificación y la fecha de su consentimiento.

DECLARACIÓN DE COOKIES
Necesarias :

Las cookies necesarias ayudan a hacer una página web utilizable activando funciones básicas como la navegación en la página y el acceso a áreas seguras de la página web. La página web no puede funcionar adecuadamente sin estas cookies.

Nombre Proveedor Propósito Caducidad Tipo
lang www.fpc.upc.edu Guardar el idioma de visualización de la web 2 años HTTP
politica_cookie www.fpc.upc.edu Guardar el consentimiento general de cookies en el dominio actual. 1 año HTTP
cookie_estadistiques www.fpc.upc.edu Guardar el consentimiento de cookies estadísticas en el dominio actual. 1 año HTTP
cookie_marketing www.fpc.upc.edu Guardar el consentimiento de cookies de marketing en el dominio actual. 1 año HTTP
PHPSESSID www.fpc.upc.edu Conserva el estado de la sesión del usuario en las solicitudes de página. Sessió HTTP
CONSENT [x3] Google Used to detect if the visitor has accepted the marketing and analytics category in the cookie banner. This cookie is necessary for GDPR-compliance of the website. 2 años HTTP
Estadísticas :

Las cookies estadísticas ayudan a los propietarios de páginas web a comprender cómo interactúan los visitantes con las páginas web reuniendo y proporcionando información de forma anónima.

Nombre Proveedor Propósito Caducidad Tipo
_ga Google Registers a unique ID that is used to generate statistical data on how the visitor uses the website. 2 años HTTP
_ga_# Google Used by Google Analytics to collect data on the number of times a user has visited the website as well as dates for the first and most recent visit. 2 años HTTP
_gat Google Used by Google Analytics to throttle request rate 1 dia HTTP
_gid Google Registers a unique ID that is used to generate statistical data on how the visitor uses the website. 1 dia HTTP
Marketing :

Las cookies de marketing se utilizan para rastrear a los visitantes en las páginas web. La intención es mostrar anuncios relevantes y atractivos para el usuario individual, y por lo tanto, más valiosos para los editores y terceros anunciantes.

Nombre Proveedor Propósito Caducidad Tipo
last_campaign www.fpc.upc.edu Guardar la última campaña por lo que el usuario ha llegado al sitio web. 6 meses HTTP
campaign_XX www.fpc.upc.edu Guardar todas las campañas por lo que el usuario ha llegado al sitio web. 6 meses HTTP
ads/ga-audiences Google Used by Google AdWords to re-engage visitors that are likely to convert to customers based on the visitor's online behaviour across websites. S Sessió Pixel
NID Google Registers a unique ID that identifies a returning user's device. The ID is used for targeted ads. 6 meses HTTP
bcookie LinkedIn Used by the social networking service, LinkedIn, for tracking the use of embedded services. 2 años HTTP
bscookie LinkedIn Used by the social networking service, LinkedIn, for tracking the use of embedded services. 2 años HTTP
lidc Used by the social networking service, LinkedIn, for tracking the use of embedded services. 1 dia HTTP
i/jot Twitter Inc. Sets a unique ID for the visitor, that allows third party advertisers to target the visitor with relevant advertisement. This pairing service is provided by third party advertisement hubs, which facilitates real-time bidding for advertisers. Session Pixel
_fbp [x2] Meta Platforms, Inc. Used by Facebook to deliver a series of advertisement products such as real time bidding from third party advertisers. 3 meses HTTP
Campus
MY_TECH_SPACE

Entrar
Campus en mantenimiento
Usuario y/o clave incorrectos
No tienes ningún entorno activo
Tu acceso ha sido restringido. Consulta con el departamento de administración
Por problemas técnicos el campus virtual es inaccesible. Estamos trabajando para solucionarlo. Disculpa las molestias.
El nombre de usuario no es un correo electrónico
Inicio   >  Másters y posgrados  >  Formación  >  Posgrado en Industria Machine Learning
Solicita información
Solicita información Solicita información o la admisión
Solicita la admisión
Solicita la admisión
relation
Este posgrado también forma parte del itinerario formativo del máster de formación permanente en Transformación Digital en la Industria.

Presentación

Edición
4ª Edición
Créditos
15 ECTS (105 horas lectivas)
Modalidad
Presencial
Idioma de impartición
Español
Precio
3.450€
Opciones de pago de la matrícula

Opciones de pago de la matrícula:
- En un único pago antes del plazo establecido en la carta de admisión al programa.
- Pago fraccionado en dos plazos:

  • El 60% del importe total deberá pagarse en el plazo indicado en la carta de admisión del programa.
  • El 40% restante deberá abonarse, como máximo, al cabo de 60 días a partir de la fecha de inicio del programa.
Observaciones campaña 0,7%

Inscripción abierta hasta el inicio del curso o hasta el agotamiento de plazas.
Fechas de realización
Fecha de inicio: 04/03/2024
Fecha de fin: 03/07/2024
Horario
Lunes: 18:15 a 21:45
Miércoles: 18:15 a 21:45
Lugar de realización
Fundació CIM
Parc Tecnològic de Barcelona
C/ Llorens i Artigas, 12
Barcelona
¿Por qué este posgrado?
Para sostener la competitividad, las empresas, y en particular las manufactureras, están inmersas en un proceso de cambio profundo influido principalmente por dos shaping fuerzas del mercado: la Transformación Digital y la Economía Circular. La Transformación Digital es un viaje que lleva a las compañías a repensar su modelo de negocio a partir del factor habilitador de la tecnología digital, conjugado con nuevas formas de gestión y superando a algunos de los axiomas clásicos.

Un componente clave de este cambio es la evolución de la organización que pivota hacia la toma de decisiones basándose en los datos (fecha driven). Este punto de partida tiene un impacto trascendente en las empresas, que en la última década han hecho un esfuerzo en gestionar su actividad en procesos (Six Sigma, Lean). La Transformación Digital incide directamente sobre los procesos, digitalizándolos y automatizando una parte significativa de la actividad de las personas. De este modo se convierte el proceso en software y, por tanto, lo que resta son los datos. De hecho, éste es uno de los factores diferenciales que sustancia el concepto de Industria 4.0. El impacto en el negocio de mirarse al mundo a través del prisma de los datos en lugar de los procesos es realmente determinante.

En este contexto, el posgrado en Industrial Machine Learning dota al estudiante de las competencias y herramientas esenciales para poder convertir los datos en uno de los activos principales de las empresas industriales.

Fórmate como profesional destacado en este incipiente sector. Aportaremos un enfoque pragmático e introduciremos las mejores prácticas actuales para disponer de una visión crítica y completa para integrar en la actividad industrial.

Impulsado por:
Objetivos
  • Gestionar las herramientas para el almacenamiento de datos en sistemas comerciales cloud SQL y NoSQL (small & big data, bases de datos cloud/edge).c
  • Implementar estrategias por la praxis en la limpieza y purga de los datos (conceptos básicos de estadística con un enfoque práctico).
  • Implementar técnicas de Machine Learning para la identificación de patrones, que permitan predecir estados futuros (mantenimiento basado en la condición, estimación de la capacidad, mejora de la productividad) o extraer características fundamentales sobre productos y procesos.
  • Experiencia un entorno visual Cloud (sin programación, Microsoft Machine Learning Studio) para implementar y gestionar todo el flujo, entrenando modelos Random Forest, XGBoost y Deep Learning.
  • Visualización de la información, para la elaboración de dashboards online integrados con los sistemas de información corporativos.
¿A quién va dirigido?
Técnicos de automatización de producción en la conexión vertical del proceso que generan datos de proceso y necesitan valorizarlos las; responsables de operaciones que debe conocer qué necesitan y de qué datos disponen; ingenieros data analysis; expertos en bases de datos en entornos industriales.

Contenidos formativos

Relación de asignaturas
3 ECTS 21h
Arquitectura de Datos y BBDD
  • Almacenamiento de datos (data storage) y gestión de los datos (data management).
  • Tipos de datos: estructurados vs. no estructurados.
  • Dimensión de los datos: small data vs. big data.
  • Temperatura de los datos. Misión crítica vs. archivo.
  • Cloud vs. Fog vs. Edge.
  • Bases de datos: relacionales (SQL) y no relacionales (NoSQL). MySQL y MongoDB.
  • Plataformas comerciales en la nube: Azure, AWS, Google Cloud Platform, IBM.
3 ECTS 24h
Exploración de Datos
  • Modelos de machine learning.
  • Fundamentos de data science.
  • Preprocesado. Técnicas de regresión multivariada.
  • Feature extraction.
3 ECTS 28h
Algoritmos de ML Estructurados
  • Algoritmos de regresión. T-SNE y regresión lineal.
  • Regresión logística y SVM.
  • Árboles de decisión y Random Forest.
  • Gradient boosting.
  • ML end-to-end y puesta en producción.
1 ECTS 7h
Redes Neuronales y ML no Estructurado
  • Visión artificial industrial y deep learning.
  • Conceptos de deep learning.
  • Introducción a Node-RED.
  • Utilizar Teachable Machine 2.0 de Google (basado en JavaScript) para hacer una pequeña aplicación web integrable.
2 ECTS 18h
ML en Producción y Visualización de Datos para la Toma de Decisiones
  • Introducción. Las necesidades de los negocios.
  • Visualización de datos en los ámbitos operacionales. Casos reales.
  • Real Time Data vs. Incremental.
  • Estructura de un proyecto de data analytics. Requisitos funcionales y técnicos, y desarrollo de la solución (PowerBi).
  • Storytelling.
3 ECTS 7h
Caso de Estudio
  • El Valor de la IA en la Industria.
  • Desarrollo de Proyectos de ML en la Industria (A Day in en Life).
Titulación
Título de posgrado expedido por la Universitat Politècnica de Catalunya. Emitido en virtud de lo establecido en el art. 7.1 de la Ley Orgánica 2/2023, de 22 de marzo, del Sistema Universitario, y el art. 36 del Real Decreto 822/2021, de 28 de septiembre, por el que se establece la organización de las enseñanzas universitarias y el procedimiento de aseguramiento de su calidad. Para su obtención es necesario tener una titulación universitaria previa oficial. En caso contrario, el estudiante recibirá un certificado de aprovechamiento de los estudios expedido por la Fundació Politècnica de Catalunya. Los estudios de formación permanente de la Universitat Politècnica de Catalunya se aprueban anualmente por el Consell de Govern de la Universitat. (Ver datos que constan en el certificado).
Oferta modular
Este posgrado forma parte del itinerario formativo del máster de formación permanente en Transformación Digital en la Industria .
Este máster de formación permanente se estructura en los módulos que se indican a continuación. Si no deseas cursar todo el máster de formación permanente puedes matricularte de uno o diversos módulos.
Máster de formación permanente:
relation Posgrados:

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiantado y la consecución de las competencias necesarias.



Herramientas de aprendizaje
Sesiones magistrales participativas
Se exponen los fundamentos conceptuales de los contenidos a impartir, promoviendo la interacción con los estudiantes para guiarlos en el aprendizaje de los diferentes contenidos y el desarrollo de las competencias establecidas.
Sesiones prácticas en el aula
Se aplican los conocimientos en un entorno real o hipotético, donde se identifican y trabajan aspectos específicos para facilitar su comprensión, con el apoyo de los docentes.
Resolución de ejercicios
Se trabajan las soluciones mediante la ejercitación de rutinas y la aplicación de fórmulas o algoritmos, y se siguen procedimientos de transformación de la información disponible y de interpretación de los resultados.
Estudio de casos
Se presentan situaciones reales o hipotéticas en las que los estudiantes, de forma plenamente participativa y práctica, analizan la situación, plantean las diferentes hipótesis y comparten sus propias conclusiones.
Criterios de evaluación
Asistencia
Se requiere como mínimo el 80% de asistencia a las horas lectivas.
Grado de participación
Se evalúa la contribución activa de los estudiantes en las diferentes actividades propuestas por el equipo docente.
Resolución de ejercicios, cuestionarios o exámenes
Pruebas individuales con el objetivo de evaluar el grado de aprendizaje y la adquisición de competencias.
Elaboración de trabajos
Estudios sobre una temática determinada, individual o grupal, en los que se evalúa la calidad y profundidad de los trabajos, entre otros aspectos.
Prácticas y bolsa de trabajo
Desde el campus virtual My_Tech_Space el estudiantado podrá visualizar ofertas de trabajo de su área de conocimiento y presentar su candidatura en un entorno confidencial. La bolsa de trabajo de la UPC School tiene un volumen anual de cientos de ofertas de trabajo, entre contratos laborales y convenios de colaboración en prácticas.
Campus virtual
El estudiantado de este posgrado tendrá acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicación entre el alumnado, profesores, dirección y coordinación del curso. My_Tech_Space permite obtener la documentación de cada sesión formativa antes de su inicio, trabajar en equipo, hacer consultas a los profesores, visualizar notas, etc.

Equipo docente

Dirección Académica
  • Rius Moreno, Vicenç
    info

    Ingeniero en Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC). Máster en Dirección de les Telecomunicaciones por el Institut Català de Tecnologia. MBA por la Universitat Pompeu Fabra. Gestor de Proyectos de Automatización de líneas de metro en TMB. Coordinador del Observatorio Mundial de Metros Automáticos (UITP) identificando las tendencias tecnológicas y operativas del sector. Ha participado como docente en diferentes programas de máster y posgrado. Inversión Privada en Nuevos Negocios (Business Angels Network Catalunya).
  • Sabaté i Domènech, Francesc
    info
    Ver perfil en Linkedin
    Ingeniero Industrial Eléctrico por la Universitat Politècnica de Catalunya (UPC). Director del Máster en Producción Automatización y Robótica y del Máster en Transformación Digital en la Industria en la UPC School desarrollado en el CIM UPC. Director general de TEDELOC, empresa especializada en proyectos y consultoría de automatización, integración de los mundos OT/IT y gestión de información. Lleva más de veinte años desarrollando y dirigiendo proyectos de automatización vertical de información de sistemas productivos.
Profesorado
  • Benitez Iglesias, Raul
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Ciencias Físicas, realizada una estancia post-doctoral en la Universidad de California, Irvine. Profesor agregado del Departamento de Ingeniería de Sistemas, Automática e Informática Industrial de la Universitat Politècnica de Catalunya (UPC) y responsable de un grupo de investigación sobre reconocimiento de patrones en imágenes en el Centre de Recerca en Enginyeria Biomèdica (CREB). El grupo aplica técnicas de inteligencia artificial y clasificación automática para identificar biomarcadores clínicos en imágenes biomédicas. Colabora habitualmente con universidades, hospitales y centros de investigación de reconocido prestigio internacional.
  • Bonastre Majoral, Yair
    info
    Ver perfil en Linkedin
    Ingeniero Industrial por la Universitat Politècnica de Catalunya (UPC). Máster en Producción Automatizada y Robótica por el CIM-UPC. Tech Lead AI Engineer a Midokura (Sony Group Company), consultor tecnológico IoT externo a iDRC (China) y director del Posgrado en Industrial Internet of Things a la CIM-UPC. Experiencia profesional en el mundo del control, supervisión y mantenimiento en el ámbito ferroviario (ALSTOM), al mundo del Internet of Things y con la Inteligencia Artificial (Deep Learning) al sector de la Industria, tanto en la parte de la visión por computación como por la parte de datos.
  • González García, Andrés
    info

    Ingeniero Superior Electrónico, especialidad en Telecomunicaciones, por la Universitat Ramon Llull (URL). Ingeniero Técnico de Telecomunicaciones, especialidad en Imagen y Sonido, por la URL. Especializado en Machine Learning. Co-fundador y CTO de Cleverdata.io, empresa desarrolladora de proyectos de Machine Learning en diferentes sectores empresariales: industria, seguros, banca, editoriales, ONG, comercio minorista y sector hotelero entre otros. Ingeniero y arquitecto de Machine Learning certificado por BigML. Miembro del comité científico de Eticas Foundation.
  • Rius Moreno, Vicenç
    info

    Ingeniero en Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC). Máster en Dirección de les Telecomunicaciones por el Institut Català de Tecnologia. MBA por la Universitat Pompeu Fabra. Gestor de Proyectos de Automatización de líneas de metro en TMB. Coordinador del Observatorio Mundial de Metros Automáticos (UITP) identificando las tendencias tecnológicas y operativas del sector. Ha participado como docente en diferentes programas de máster y posgrado. Inversión Privada en Nuevos Negocios (Business Angels Network Catalunya).
  • Salom Redo, Josep Manel
    info
    Ver perfil en Linkedin
    Ingeniero en Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC). Máster en Comunicaciones Móviles por la UPC. MBA por ESADE Business School. Data, Advanced Analytics & AI Manager en Clevertask IT Solutions, compañía del Grupo ALTEN. Directivo sénior en el área de las Tecnologías de la Información con más de veinte años de experiencia en diversos entornos tecnológicos, liderando equipos, operaciones y transformación digital. Ha participado como docente en diferentes programas de máster y posgrado.

Entidades colaboradoras

Socios colaboradores

Noticias

Vídeos
Open Talent en el CIM-UPC: “Redescubriendo la Productividad Industrial con la Inteligencia Artificial”

Solicita información o la admisión

Contacto:
(34) 93 112 08 70
¡Solicitud recibida!
Una vez registremos tu petición, recibirás confirmación por correo electrónico y nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.
Error
Por un error en la conexión a la base de datos tu solicitud no se ha podido cursar. Te agradeceríamos que repitas el proceso más tarde o bien que te pongas en contacto con nosotros llamando al (34) 93 112 08 08 o enviándonos un correo electrónico a: webmaster.fpc@fpc.upc.edu
Has superado el tamaño máximo del fichero
  • Si tienes alguna duda sobre el posgrado.
  • Si quieres iniciar los trámites para matricularte.
Cómo iniciar la admisión
Para iniciar el proceso de inscripción a este programa hay que rellenar y enviar el formulario que encontrarás al pie de estas líneas.

A continuación, recibirás un correo electrónico de bienvenida donde se detallarán los tres pasos a seguir para formalizar el proceso de inscripción:

1. Completar y confirmar tus datos personales.

2. Validar tu currículum vitae y adjuntar la documentación adicional requerida, en caso de que sea necesaria para la admisión.

3. Pagar 110€ en concepto de derechos de inscripción al programa. El importe de estos derechos se descontará de la cuantía total de la matrícula y sólo se devolverá en caso de no resultar admitido.

Una vez realizado el pago de derechos y dispongamos de toda la documentación, valoraremos tu candidatura y, si has sido admitido en el curso, te enviaremos la carta de admisión. En este documento obtendrás todos los detalles para formalizar la matrícula del programa.




  política de protección de datos

* Campos obligatorios

Información básica o primera capa sobre protección de datos

Responsable

Fundació Politècnica de Catalunya (en adelante, FPC). + INFORMACIÓN

Finalidad

Contestar a las solicitudes de información del interesado sobre actividades de formación gestionadas o realizadas por la FPC. + INFORMACIÓN

Establecimiento o mantenimiento de relación académica con el interesado. + INFORMACIÓN

Legitimación

Consentimiento del interesado. + INFORMACIÓN

Interés legítimo en el desarrollo de la relación académica. + INFORMACIÓN

Destinatarios

No existen cesiones o comunicaciones.

Derechos

Acceso, rectificación, supresión, limitación, oposición y portabilidad. + INFORMACIÓN

Datos de contacto del delegado de protección de datos

info.dpo@fpc.upc.edu

Información adicional

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Plazo de conservación

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Servicios de pago

En caso que el interesado formalice la relación con la FPC, el ordenante (interesado) autoriza y da su consentimiento al cargo, por tanto, con renuncia expresa al derecho de devolución sobre el cargo.


Enviar