Aplicaciones de ML e IA en la industria

Descripción

Día 1: Fundamentos y Aplicaciones Industriales

Introducción a ML e IA en la Industria
– Conceptos básicos de Machine Learning e Inteligencia Artificial.
– Panorama actual de la Industria 4.0.
– Casos de éxito y áreas de oportunidad en la industria.

Aplicaciones Prácticas
– Mantenimiento predictivo.
– Optimización de procesos de producción.
– Gestión de la cadena de suministro.

Actividad Práctica
– Identificación de problemas industriales susceptibles de soluciones ML/IA.
– Discusión grupal sobre posibles aplicaciones en diferentes sectores.

 

Día 2: Arquitectura y Herramientas

Arquitectura de Soluciones ML/IA
– Componentes clave de una solución ML/IA industrial
– Integración con sistemas existentes (IT/OT)
– Consideraciones de seguridad y escalabilidad

Herramientas y Plataformas
– Introducción a TensorFlow y scikit-learn.
– Grandes plataformas cloud para ML/IA (AWS, Azure, Google Cloud).
– Plataformas especializadas en tiny-ML (Edge Impulse, Always AI, Edge-ML).
– Herramientas de visualización de datos.

Taller Práctico
– Configuración de un entorno de desarrollo para ML/IA
– Exploración de datasets industriales usando Jupyter Notebook

 

Día 3: Diseño de Modelos y Algoritmos

Selección de Algoritmos
– Algoritmos supervisados vs. no supervisados.
– Redes neuronales y deep learning para aplicaciones industriales.
– Técnicas de procesamiento de señales y series temporales.

Preparación y Procesamiento de Datos
– Técnicas de limpieza y preprocesamiento de datos industriales.
– Feature engineering para problemas específicos de la industria.
– Manejo de datos desbalanceados.
– Generación de datos sintéticos.

Taller Práctico
– Diseño de un modelo de mantenimiento predictivo
– Evaluación y ajuste de hiperparámetros

Día 4: Implementación y Despliegue

Estrategias de Implementación
– Integración con sistemas de control industrial.
– Consideraciones para implementación en tiempo real.
– Monitoreo y actualización de modelos.

Evaluación y Mejora Continua
– Métricas de rendimiento para modelos industriales.
– Técnicas de validación cruzada y pruebas A/B.
– Estrategias para el aprendizaje continuo y la adaptación de modelos.

Taller Final y Cierre
– Presentación de proyectos conceptuales.
– Discusión sobre desafíos y oportunidades futuras.
– Recursos para aprendizaje continuo y certificaciones.

 

Ing. Rodrigo Juan Hernandez

Experto en IoT, IIoT, Grafana – Autor – Consultor – LoRaWAN – ML. Trabajando en proyectos de IoT, tanto en hardware como sistemas. Profesional de IT con 20 años de experiencia. Actualmente ofrece consultoría y formación sobre sistemas IoT a clientes de todo el mundo. Gran experiencia en sistemas de videovigilancia IP en proyectos guebernamentales y privados. Experiencia y conocimientos en calidad de energía eléctrica y sistemas de UPS. https://iotconsulting.tech/blog/

 

“Estos Cursos se pueden presentar al Programa de Crédito Fiscal para capacitación PYME del
Ministerio de Desarrollo Productivo de la Nación”