Conoce los fundamentos aplicados de Inteligencia Artificial en la Industria para el mantenimiento predictivo con este curso presencial.

Mira el video

Próximo inicio: 18 de Septiembre

Objetivo general

 

El participante aprenderá las técnicas más conocidas de machine learning para aprovechar y aprender de datos generados mediante el monitoreo de procesos productivos, lo que le permitirá construir y entrenar modelos que puedan detectar fallas en tiempo real, y predicción de estas.

Dirigido a:

Este curso está enfocado a cualquier persona del área industrial con conocimientos en el área de ciencias computacionales  o en automatización que desee aprovechar los datos generados por un proceso productivo para descubrir y modelar el conocimiento implícito en ellos con la finalidad de detectar y predecir fallas.

30 Horas

Presencial

7 Módulos

Certificado I-CTEC

Módulos y temas

Módulo 1 - Lectura de datos de fuentes externas

  • Repaso de Pandas.
  • Lectura de datos en CSVs
  • Lectura de datos en Excel
  • Lectura de datos en JSON.

Módulo 2 - Preprocesamiento y visualización de datos de series de tiempo en Python

  • Ejemplo de Datos de Serie de Tiempo en Python.
  • Operaciones básicas en datos de serie de tiempo.
  • Principios de visualización de datos.
  • Gráficas de líneas para examinar datos temporales.
  • Adición y visualización de resúmenes de datos.
  • Uso de múltiples gráficas de líneas para discernir información específica.
  • Histogramas.
  • Gráficas de variaciones temporales de dos entidades.

Módulo 3 - Características y condiciones de los datos de series de tiempo

  • Ejemplo de pronóstico con promedio móvil.
  • Datos de serie de tiempo clásicos.
  • Diferentes componentes de los datos en una serie de tiempo.
  • ADF Test para prueba de estacionalidad.
  • Log para hacer estacionarias a las series de tiempo.
  • Diferenciación de primer orden para hacer estacionarias a las series de tiempo.
  • Regresión lineal para remover tendencias.

Módulo 4 - Pronósticos básicos en series de tiempo

  • Media acumulada para detectar variaciones temporales.
  • Suavizado simple exponencial.
  • Suavizado simple exponencial extendido de Holt.
  • Método Holt Winters.
  • Modelo de auto regresión (AR).
  • Implementación de un modelo básico ARIMA.
  • ARIMA automatizado y consideración de la estacionalidad (SARIMA).

Módulo 5 - Machine learning para pronóstico en datos de series de tiempo

  • Bosques aleatorios para la identificación de períodos de tiempo importante.
  • Uso de Prophet para predecir valores para un marco de tiempo futuro.
  • Predicción «Profética» de series de tiempo.

Módulo 6 - Deep learning para pronóstico en datos de series de tiempo

  • ¿Qué es Keras?.
  • Instalación de Keras.
  • Teoría de Redes Neuronales Artificiales y Redes Neuronales Profundas.
  • MLP para series de tiempo.
  • Introducción a Redes Neuronales Recurrentes (RNN).
  • LSTM para Datos de Series de Tiempo.

Sobre el instructor:

ING. Rolando Rafael Hernández Cisneros

ING. Rolando Rafael Hernández Cisneros

Instructor

Ingeniero Administrador de Sistemas y Maesto en Ciencias de la Administración con Especialidad en Sistemas de Información en la Universidad Autónoma de Nuevo León, cuenta con un Doctorado en Inteligencia Artificial por el Tecnológico de Monterrey especializándose en sistemas conexionistas y evolutivos.

Trabajó como profesor de materias en el área de inteligencia artificial desde 1993 a 2016 en la Universidad Autónoma de Nuevo León y la Universidad de Monterrey. Fue gerente e investigador de Inteligencia Artificial en RFID México con proyectos de inteligencia artificial que utilizaron Redes Neuronales Artificiales y optimización con Algoritmos Genéticos. Investigador de IA en Capio Technologies y actualmente en Ventus Technology con proyectos de visión computacional, procesamiento de lenguaje natural, detección de anomalías y pronósticos usando varios modelos de redes neuronales con deep learning.

Participó y dirigió varios proyectos de investigación relacionados con el uso de visión computacional y redes neuronales artificiales aplicados en medicina, patrocinados por Google y Conacyt.

Proceso de Inscripción:

Separa tu lugar

Llena tu ficha de inscripción y asegura tu vacante

Inscríbete aquí

Confirma tu vacante

Inversión: $14,900 MXN

10% de Descuento hasta el 16 de Julio

Recibe tu acceso

Recibe tu confirmación de inscripción y asiste a las sesiones presenciales del curso.

Todos los precios son más IVA en caso de requerir factura.Si realiza el pago mediante PayPal se hace un cargo de 4% sobre el precio aquí publicado.

Resuelve tus dudas en vivo en el Webinar

Inscribete al Webinar ‘Inteligencia artificial para pronóstico en series de tiempo’ SIN COSTO y conoce más aplicaciones de técnicas Machine learning en la industria, además podrás resolver cualquier duda con el instructor del curso.

¡Llama y separa tu lugar!

✆ (812) 719 0338