Aprende herramientas analíticas que utilizan hoy en industria y cómo se aplica al IOT Todo sobre el proceso de extracción de información y transformación de los datos en conocimiento valioso para la toma de decisiones, mediante el uso de herramientas de aprendizaje automático a partir de los datos masivos en el entorno. Para que seas capaz de buscar patrones de eventos a través de los datos en un sistema completo de IOT en la industria conectada. Tanto para predecir el comportamiento de la máquina, del sistema, y como aconsejar que acción es la más adecuada. Donde otras técnicas tradicionales fallan en resolver el entendimiento de datos: la ciencia de los datos permite obtener relaciones perspicaces o complejas a partir de grandes volúmenes de datos.

Objetivos: 1. Dotar de un profundo conocimiento sobre la aplicación de la inteligencia artificial al IoT,. 2. El curso te permitirá aportar nuevas líneas de negocio y proponer proyectos de diseño y optimización de las bases de datos en los entornos IOT. 3. Serás capaz de crear una solución en las bases de datos aplicado al Internet de las Cosas en las diferentes plataformas de IoT integrados con los sistemas actuales industriales. 4. Aplicar las principales tecnologías del IA machine learning al entorno IOT aplicado en casos reales de empresa.

Requisitos: Se recomienda saber programar un poco para enfocarse en aprender las técnicas de análisis en “R” aunque no es totalmente necesario Conocimientos de estadística.

A quién va dirigido: Profesionales de origen tecnológico: los típicamente informáticos con perfiles desarrollo, o bien otras ingenierías con fuertes conocimientos y alguna experiencia como desarrolladores. De origen por supuesto que también matemáticas, físicas, y ciencias que van a ser las encargadas de identificar potenciales algoritmos y patrones de eventos. Profesionales de ciencias que reciclan sus perfiles profesionales en el sector emergente del internet de las cosas aplicado a la industria. Usuarios intermedios que conocen los fundamentos de Machine learning como los algoritmos clásicos de regresión lineal o logística pero buscan aprender más y explorar otros campos del aprendizaje estadístico. Programadores que les guste el código y que estén interesados en aprender Deep learning.