Hoy en día existen multitud de máquinas denominadas inteligentes que proporcionan soluciones para las cuales no han sido programadas explícitamente. Simplemente nuestro teléfono móvil tiene muchas de esas aplicaciones inteligentes que frecuentemente pasan desapercibidas a los usuarios. Esto ha sido posible gracias al enorme avance de la tecnología electrónica y las comunicaciones, junto con importantes avances en desarrollo de algoritmos de inteligencia artificial. Para poder tomar decisiones automáticamente, sin supervisión humana, es necesario generalizar comportamientos a partir de información suministrada en forma de ejemplos. Se trata de un proceso inductivo del conocimiento al que denominamos aprendizaje y del que se ocupa una rama de la Inteligencia Artificial denominada Machine Learning o Aprendizaje de Máquinas. El hecho de que las máquinas puedan aprender y tomar decisiones, ha tenido una enorme repercusión en todos los ámbitos de la automatización industrial, mejorando la productividad y calidad de los procesos. Las aplicaciones son innumerables, desde la robótica y visión artificial a la supervisión de las máquinas o Condition Monitoring. Esto último significa que en todo momento el sistema es capaz, no sólo de realizar un diagnóstico y una predicción de funcionamiento de una máquina en particular, sino de todo el proceso productivo de la planta en general. Precisamente esto constituye una parte fundamental de los nuevos paradigmas de modelo industrial en lo que se viene denominando Industria 4.0. En este curso, se describe este proceso inductivo del conocimiento al que denominamos aprendizaje y del que se ocupa una rama de la Inteligencia Artificial denominada Machine Learning o Aprendizaje de Máquinas. Este curso forma parte del título de posgrado de Experto en Monitorización Inteligente de la Condición, con lo que se puede convalidar dentro del mismo.

Objetivos: Comprender los fundamentos es los que se basa el aprendizaje automático. Saber aplicar las técnicas que mejor se adapten a cada modelo de problema. Emplear métricas de error. Tratar con dimensionalidades muy grandes y muy pequeñas de datos. Conocer las recomendaciones fundamentales para optimizar el tratamiento de los datos. Aprender las técnicas que permiten detectar la estructura profunda de los datos.

Requisitos: Titulados universitarios (graduados, licenciados, ingenieros e ingenieros técnicos).

A quién va dirigido: El curso está dirigido a aquellos titulados universitarios que quieran orientar su carrera profesional al aprendizaje de máquinas.