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.