Da un salto en tu carrera profesional en el mundo de desarrollo TIC gracias a esta maestría de TECH”

El avance de la tecnología ha supuesto importantes revoluciones tanto en el ámbito empresarial como de la vida cotidiana en diversas etapas históricas. Una transformación que se produce cada vez más en periodos cortos de tiempo y que ha generado gran variedad de perfiles profesionales especializados en este mundo digital.

En este sentido, los profesionales informáticos continúan siendo de los más demandados, requiriendo de ellos una permanente puesta al día y habilidades para la resolución de problemas. Por este motivo, TECH ha decidido crear esta maestría con RVOE, cuyo temario ha sido confeccionado por un excelente equipo docente con extensa experiencia en el sector tecnológico.

Se trata de un programa avanzado que pone el foco en la Innovación de Tecnologías de la Información y Comunicación, ahondando en los aspectos más relevantes del Cloud Computing, las operaciones con Datos en Blockchain, las novedades en la Gestión de la Información o el Smart Cities.

Una opción académica atractiva por su contenido, pero también por sus numerosos recursos didácticos. Así, el alumnado tendrá a su disposición vídeo resúmenes de cada tema, vídeos en detalle, lecturas especializadas y reflexivas, así como simulaciones de casos de estudio.

Además, gracias al sistema Relearning, el egresado podrá obtener un aprendizaje mucho más efectivo y sencillo, disminuyendo de esta forma las horas de estudio y memorización tan frecuentes en otros métodos de enseñanza.

A todo ello, se une la flexibilidad para poder visualizar este programa. Y es que, el informático únicamente necesitará de un dispositivo digital con conexión a internet para acceder, en cualquier momento del día, a esta propuesta académica. Una flexibilidad que permite conciliar las actividades diarias más exigentes con una titulación de primer nivel.

TECH brinda la oportunidad de obtener la maestría en Innovación de Tecnologías de la Información y Comunicación en un formato 100% en línea, con titulación directa y un programa diseñado para aprovechar cada tarea en la adquisición de competencias para desempeñar un papel relevante en la empresa. Pero, además, con este programa, el estudiante tendrá acceso al estudio de idiomas extranjeros y formación continuada de modo que pueda potenciar su etapa de estudio y logre una ventaja competitiva con los egresados de otras universidades menos orientadas al mercado laboral.

Un camino creado para conseguir un cambio positivo a nivel profesional, relacionándose con los mejores y formando parte de la nueva generación de futuros informáticos capaces de desarrollar su labor en cualquier lugar del mundo.

Adquiere el conocimiento que necesitas para liderar un proyecto en entorno IoT”

El temario de esta maestría está orientado a facilitar al profesional informático el aprendizaje que necesita para poder incorporarse a las grandes compañías tecnológicas o liderar iniciativas en un entorno digital en auge. Para ello, ha planificado un plan de estudios que desgrana a lo largo de este itinerario académico, el contenido más avanzado en Innovación de Tecnologías de la Información y Comunicación. Una ardua labor que ha sido desarrollada, además, por un cuadro docente con elevadas competencias en este ámbito.

Un completo plan de estudio que te ofrece el conocimiento más actual sobre IA y los desafíos más próximos”

Plan de estudios

Un programa que ofrece una metodología pedagógica 100% online, sin clases con horarios encorsetados, lo que le permite al alumnado tener mayor libertad para autogestionar su tiempo de estudio. Una experiencia académica que conducirá, a su vez, a impulsar la progresión profesional en un sector que apuesta cada día por la incorporación de la innovación como seña de diferenciación.

Para ello, el alumnado se adentrará en 10 módulo, donde podrá profundizar en la Computación Cuántica, la Visión por Computación o el conocimiento especializado en NLP. Todo, además, desde una perspectiva teórico-práctica apoyada en las herramientas didácticas más sofisticadas. De esta forma, el egresado integrará desde el primer momento los conceptos abordados a su ejercicio profesional diario y a aquellas iniciativas tecnológicas que tenga en mente.

Módulo 1. Innovación en comunicaciones con Computación en Nube
Módulo 2. Aplicaciones de internet de las cosas en servicios e industria 4.0
Módulo 3. Gemelos digitales. soluciones innovadoras
Módulo 4. Ciudades inteligentes como ámbito de aplicación de la innovación
Módulo 5. Innovación y desarrollo en sistemas complejos de software
Módulo 6. La innovación en la gestión de información
Módulo 7. Innovación y desarrollo en Inteligencia Artificial
Módulo 8. Innovación y desarrollo en visión computacional
Módulo 9. Computación Cuántica
Módulo 10. Aprendizaje automático cuántico

Dónde, cuándo y cómo se imparte

Esta maestría se ofrece 100% en línea, por lo que alumno podrá cursarla desde cualquier sitio, haciendo uso de una computadora, una tableta o simplemente mediante su smartphone.

Además, podrá acceder a los contenidos tanto online como offline. Para hacerlo offline bastará con descargarse los contenidos de los temas elegidos, en el dispositivo y abordarlos sin necesidad de estar conectado a internet.

El alumno podrá cursar la maestría a través de sus 10 módulos, de forma autodirigida y asincrónica. Adaptamos el formato y la metodología para aprovechar al máximo el tiempo y lograr un aprendizaje a medida de las necesidades del alumno.

Con esta maestría estarás al día de las Aplicaciones de internet de las cosas en servicios e industria 4.0”

Módulo 1. Innovación en comunicaciones con Computación en Nube

1.1. Computación en nube. Estado del Arte de la Revolución en línea

1.1.1. Computación en nube
1.1.2. Proveedores
1.1.3. Microsoft Azure

1.2. Métodos de Interacción. Configuración y Gestión de las Herramientas. Servicios en nube

1.2.1. Portal
1.2.2. Aplicación
1.2.3. Interfaz Powershell
1.2.4. Azure CLI
1.2.5. Azure REST API
1.2.6. Plantillas ARM

1.3. Computación. Servicios Disponibles en la nube

1.3.1. Máquina virtual
1.3.2. Contenedores
1.3.3. Azure Kubernetes Services (AKS)
1.3.4. Función (Serverless)

1.4. Computación. Servicios Disponibles en nube. Aplicaciones Web

1.4.1. Web
1.4.2. Aplicaciones Web
1.4.3. Transferencia de estado representacional e interfaz de programación de aplicaciones (REST y API)
1.4.4. Administración de interfaz de programación de aplicaciones

1.5. Sistemas de Almacenamiento en la Nube. Seguridad y Comunicaciones

1.5.1. Almacenamiento
1.5.2. Lago de datos
1.5.3. Fábrica de datos
1.5.4. Servicios de datos
1.5.5. Copias de seguridad

1.6. Bases de Datos en la nube. Información estructurada en la nube. Escalabilidad sin límites

1.6.1. Azure SQL
1.6.2. PostgresSQL / MySQL
1.6.3. Azure Cosmos DB
1.6.4. Redis

1.7. Internet de las Cosas. Gestión y Almacenamiento de Datos de Dispositivos en la nube

1.7.1. Microsoft Azure Stream Analytics
1.7.2. Gemelos digitales

1.8. Inteligencia artificial en la nube

1.8.1. Aprendizaje automático
1.8.2. Programa Cognitive Services
1.8.3. Computación Cuántica

1.9. Computación en la nube. Aspectos Avanzados

1.9.1. Seguridad
1.9.2. Servicio de Monitorización DataDog
1.9.3. Azure monitor Application Insights

1.10. Aplicaciones de la Computación en nube

1.10.1. Escenario plataforma LOB: administración de relaciones con el cliente (CRM)
1.10.2. Escenario Internet de las cosas: Ciudad inteligente
1.10.3. Escenario inteligencia artificial (IA): asistente conversacional

Módulo 2. Aplicaciones de internet de las cosas en servicios e industria 4.0

2.1. El Internet de las Cosas (IoT)

2.1.1. Internet de las cosas
2.1.2. Internet e Internet de las cosas
2.1.3. Privacidad y Control de Objetos

2.2. Aplicaciones de Internet de las Cosas

2.2.1. Aplicaciones de Internet de las Cosas. Consumo
2.2.2. EIoT (Internet de las Cosas de la energía) & IIoT (Internet industrial de las cosas)
2.2.3. Administración de Internet de las Cosas

2.3. Diferencias entre Internet de las Cosas (IoT) e Internet industrial de las cosas (IIoT)

2.3.1. IIoT. Diferencias con IoT
2.3.2. IIot. Aplicación
2.3.3. Industrias

2.4. Industria 4.0 Big Data y Análisis de Negocios

2.4.1. Industria 4.0 Big Data & Análisis de Negocios
2.4.2. Contextualización
2.4.3. Decisiones y Metodología CRISP_DM

2.5. Mantenimiento Predictivo

2.5.1. Aplicación
2.5.2. Enfoque de desarrollo de modelos

2.6. Iniciativa IoTeclipse.org (I)

2.6.1. Micro NPU Ethos
2.6.2. Productos de extremo a extremo
2.6.3. Ejemplo de Uso

2.7. Iniciativa IoTeclipse.org (II)

2.7.1. Arquitecturas
2.7.2. Extremo a extremo
2.7.3. Analíticas del Entorno

2.8. Arquitectura de Internet industrial de las cosas

2.8.1. Sensores y actuadores
2.8.2. Puertos a internet y Sistemas de Adquisición del Dato
2.8.3. Preprocesador de datos
2.8.4. Análisis y Modelado de Datos en la Nube

2.9. Arquitectura modular abierta “Extremo a extremo”

2.9.1. Arquitectura modular abierta “Extremo a extremo”
2.9.2. Arquitectura Modular. Componentes clave
2.9.3. Arquitectura Modular. Beneficios

2.10. Aprendizaje automático en el núcleo y el perímetro

2.10.1. PoC
2.10.2. Segmentación de datos
2.10.3. Edge to Core & Demo

Módulo 3. Gemelos digitales. soluciones innovadoras

3.1. Gemelos Digitales

3.1.1. Gemelos Digitales
3.1.2. Gemelos Digitales. Evolución Tecnológica
3.1.3. Gemelos Digitales. Tipología

3.2. Tecnologías Aplicables

3.2.1. Gemelos Digitales. Plataformas
3.2.2. Gemelos Digitales. Interfaces
3.2.3. Gemelos Digitales. Tipologías

3.3. Aplicaciones, sectores y Ejemplos de Uso

3.3.1. Gemelos Digitales. Técnicas y Usos
3.3.2. Industrias
3.3.3. Arquitectura y ciudades

3.4. Aplicaciones de los Gemelos Digitales en la Industria 4.0

3.4.1. Industria 4.0
3.4.2. Entornos
3.4.3. Aplicaciones de los Gemelos Digitales en la Industria 4.0

3.5. Ciudades Inteligentes a partir de los Gemelos Digitales

3.5.1. Modelos
3.5.2. Categorías
3.5.3. Futuro de las ciudades digitales a partir de los Gemelos Digitales

3.6. Internet de las cosas (IoT) aplicado a los Gemelos Digitales

3.6.1. Vínculo con los Gemelos Digitales
3.6.2. Relación con los Gemelos Digitales
3.6.3. Problemática y soluciones posibles

3.7. Entorno de Gemelos Digitales

3.7.1. Empresas
3.7.2. Organización
3.7.3. Implicaciones

3.8. Mercado de los Gemelos Digitales

3.8.1. Plataformas
3.8.2. Proveedores
3.8.3. Servicios asociados

3.9. Futuro de los Gemelos Digitales

3.9.1. Inmersividad
3.9.2. Realidad aumentada
3.9.3. Biointerfaces

3.10. Gemelos Digitales. Resultados en Presente y Futuro

3.10.1. Plataforma
3.10.2. Tecnologías
3.10.3. Sectores

Módulo 4. Ciudades inteligentes como ámbito de aplicación de la innovación

4.1. De las Ciudades a las Ciudades Inteligentes

4.1.1. De las Ciudades a las Ciudades Inteligentes
4.1.2. Las Ciudades en el tiempo y las Culturas en las Ciudades
4.1.3. Evolución de los modelos de ciudad

4.2. Tecnologías

4.2.1. Plataformas tecnológicas de aplicación
4.2.2. Interfaces servicios/ciudadano
4.2.3. Tipologías tecnológicas

4.3. Ciudad como sistema complejo

4.3.1. Componentes de una ciudad
4.3.2. Interacciones entre componentes
4.3.3. Aplicaciones: servicios y productos en la ciudad

4.4. Gestión inteligente de la seguridad

4.4.1. Estado actual
4.4.2. Entornos tecnológicos de gestión en la ciudad
4.4.3. Futuro: Las Ciudades Inteligentes en el futuro

4.5. Gestión inteligente de la limpieza

4.5.1. Modelos de aplicación en los servicios inteligentes de limpieza
4.5.2. Sistemas: Aplicación de los servicios inteligentes de limpieza
4.5.3. Futuro de los servicios inteligentes de limpieza

4.6. Gestión inteligente del trafico

4.6.1. Evolución del tráfico: complejidad y factores que dificultan su gestión
4.6.2. Problemática
4.6.3. Mobilidad electrónica
4.6.4. Soluciones

4.7. Ciudad sostenible

4.7.1. Energía
4.7.2. El ciclo del agua
4.7.3. Plataforma de gestión

4.8. Gestión Inteligente del Ocio

4.8.1. Modelos de negocio
4.8.2. Evolución del ocio urbano
4.8.3. Servicios asociados

4.9. Gestión de grandes eventos sociales

4.9.1. Movimientos
4.9.2. Aforos
4.9.3. Salud

4.10. Conclusiones de presente y futuro en ciudades inteligentes

4.10.1. Plataformas tecnológicas y problemática
4.10.2. Tecnologías, integración en entornos heterogéneos
4.10.3. Aplicaciones prácticas en diferentes modelos de ciudad

Módulo 5. Innovación y desarrollo en sistemas complejos de software

5.1. Cadena de Bloques (Blockchain) y Datos Distribuidos

5.1.1. Las comunicaciones de Información. Nuevo Paradigma
5.1.2. Privacidad y Transparencia
5.1.3. Intercambio de información. Nuevos Modelos

5.2. Cadena de Bloques (Blockchain)

5.2.1. Cadena de Bloques (Blockchain)
5.2.2. Cadena de Bloques (Blockchain). Base Tecnológica
5.2.3. Cadena de Bloques (Blockchain). Componentes y Elementos

5.3. Cadena de Bloques (Blockchain). Nodos Públicos

5.3.1. Cadena de Bloques (Blockchain). Nodos Públicos
5.3.2. Algoritmos de Trabajo en Nodos Públicos

5.3.2.1. Proof of Work
5.3.2.2. Proof of Stake
5.3.2.3. Proof of Authority

5.3.3. Casos de Uso y Aplicación

5.3.3.1. Smart Contracts
5.3.3.2. Dapps

5.4. Cadena de Bloques (Blockchain). Nodos Privados

5.4.1. Cadena de Bloques (Blockchain). Nodos Privados
5.4.2. Algoritmos de Trabajo en Nodos Privados

5.4.2.1. Proof of Work
5.4.2.2. Proof of Stake
5.4.2.3. Proof of Authority

5.4.3. Casos de Uso y Aplicación

5.4.3.1. Crypto Economía
5.4.3.2. Teoría de Juegos
5.4.3.3. Modelado de Mercados

5.5. Cadena de Bloques (Blockchain). Entorno de trabajo (Frameworks)

5.5.1. Cadena de Bloques (Blockchain). Entorno de trabajo (Frameworks)
5.5.2. Tipos

5.5.2.1. Ethereum
5.5.2.2. Hyperledger Fabric

5.5.3. Ejemplos de Aplicación (Ethereum)

5.5.3.1. C#
5.5.3.2. Go

5.6. Cadena de Bloques (Blockchain) en el Ámbito Financiero

5.6.1. El impacto de Blockchain en el mundo financiero
5.6.2. Tecnologías Avanzadas
5.6.3. Casos de Uso y Aplicación

5.6.3.1. Garantía de la Información
5.6.3.2. Seguimiento y Monitorización
5.6.3.3. Transmisiones Certificadas
5.6.3.4. Ejemplos dentro del sector financiero

5.7. Cadena de Bloques (Blockchain) en el Ámbito Industrial

5.7.1. Cadena de Bloques (Blockchain) y Logistica
5.7.2. Tecnologías Avanzadas
5.7.3. Casos de Uso y Aplicación

5.7.3.1. Contratos inteligentes entre Proveedores y Clientes
5.7.3.2. Apoyo en los procesos de Automatización
5.7.3.3. Trazabilidad de Productos en Tiempo Real
5.7.3.4. Ejemplos dentro del sector Industrial

5.8. Cadena de Bloques (Blockchain). Tokenización de las Transacciones

5.8.1. Tokenizando el Mundo
5.8.2. Plataformas de Contratos Inteligentes (Smart Contracts)

5.8.2.1. BitCoin
5.8.2.2. Ethereum
5.8.2.3. Otras plataformas emergentes

5.8.3. Comunicación: El Problema del Oráculo
5.8.4. Unicidad: NFT’s
5.8.5. Tokeninzación: STO’s

5.9. Cadena de Bloques (Blockchain). Ejemplo de Uso

5.9.1. Caso de uso. Descripción
5.9.2. Implementación Práctica (C# / Go)

5.10. Datos Distribuidos. Aplicaciones de Cadena de Bloques (Blockchain), Presente y Futuro

5.10.1. Datos Distribuidos. Aplicaciones de Presente y Futuro de la cadena de bloques
5.10.2. El futuro de las comunicaciones
5.10.3. Próximos Pasos

Módulo 6. La innovación en la gestión de información

6.1. Gestión de la Información

6.1.1. Gestión de la Información
6.1.2. La Gestión aplicada al Conocimiento
6.1.3. La Gestión aplicada al conocimiento

6.2. Cadena de bloques (Blockchain) en la Gestión de la Información

6.2.1. Blockchain en la Gestión de la información

6.2.1.1. Seguridad de los Datos
6.2.1.2. Calidad de los Datos
6.2.1.3. Trazabilidad de la información
6.2.1.4. Otros beneficios adicionales
6.2.1.5. Consideraciones adicionales

6.3. Seguridad de los Datos

6.3.1. Seguridad del Dato
6.3.2. Seguridad y Privacidad
6.3.3. Casos de Uso y Aplicación

6.4. Calidad de los Datos

6.4.1. Calidad del Dato
6.4.2. Fiabilidad y Consenso
6.4.3. Casos de Uso y Aplicación

6.5. Trazabilidad de la Información

6.5.1. Trazabilidad del Dato
6.5.2. Cadena de bloques en la Trazabilidad del Dato
6.5.3. Casos de Uso y Aplicación

6.6. Analítica de la Información

6.6.1. Macrodatos
6.6.2. Cadena de bloques y macrodatos
6.6.3. Accesibilidad a los datos en tiempo Real
6.6.4. Casos de Uso y Aplicación

6.7. Aplicación de BC (I). Seguridad de la Información

6.7.1. Seguridad de la Información
6.7.2. Caso de uso
6.7.3. Implementación Práctica

6.8. Aplicación de BC (II). Calidad de la Información

6.8.1. Calidad de la Información
6.8.2. Caso de uso
6.8.3. Implementación Práctica

6.9. Aplicación de BC (III). Trazabilidad de la Información

6.9.1. Trazabilidad de la Información
6.9.2. Caso de uso
6.9.3. Implementación Práctica

6.10. Cadena de bloques (Blockchain). Aplicación Práctica

6.10.1. Cadena bloques en la Práctica

6.10.1.1. Centrales de Datos
6.10.1.2. Sectoriales
6.10.1.3. Multisectoriales
6.10.1.4. Geográfica

Módulo 7. Innovación y desarrollo en Inteligencia Artificial

7.1. Procesamiento natural del lenguaje (NLP)

7.1.1. Procesamiento natural del lenguaje. Usos de NLP
7.1.2. Procesamiento natural del lenguaje (NLP). Librerías
7.1.3. Stoppers en la Aplicación de NLP

7.2. Comprensión del lenguaje natural / Generación del lenguaje natural. (NLU/NLG)

7.2.1. NLG. I.A. NLP / NLU. incrustaciones y Transformers
7.2.2. NLU/NLG. Usos
7.2.3. NLP/NLG. Diferencias

7.3. Representación de palabras con vectores (Word Embedings)

7.3.1. Word Embedings
7.3.2. Word Embedings. Usos
7.3.3. Word2vec. Librería

7.4. Modelos de Lenguaje Embedings. Aplicación Práctica

7.4.1. Código de word2vec
7.4.2. Word2vec. Casos reales
7.4.3. Corpus para Uso de Word2vec. Ejemplos

7.5. Transformers

7.5.1. Transformers
7.5.2. Modelos creados con Transformers
7.5.3. Pros y contras de los Transformers

7.6. Análisis de Sentimiento

7.6.1. Análisis de Sentimiento
7.6.2. Aplicación Práctica del Análisis de Sentimiento
7.6.3. Usos del Análisis de Sentimiento

7.7. Modelo de Lenguaje GPT Open AI

7.7.1. GPT Open AI
7.7.2. GPT 2. Modelo de Libre Disposición
7.7.3. GPT 3. Modelo de Pago

7.8. Comunidad Hugging Face

7.8.1. Comunidad Hugging Face
7.8.2. Comunidad Hugging Face. Posibilidades
7.8.3. Comunidad Hugging Face. Ejemplos

7.9. Caso Barcelona Super Computing

7.9.1. Caso BSC
7.9.2. Modelo MARIA
7.9.3. Corpus existente
7.9.4. Importancia de tener un corpus grande de lengua Española

7.10. Aplicaciones Prácticas

7.10.1. Resumen automático
7.10.2. Traducción de textos
7.10.3. Análisis de sentimiento
7.10.4. Reconocimiento del habla

Módulo 8. Innovación y desarrollo en visión computacional

8.1. Visión por ordenador

8.1.1. Computer Visión
8.1.2. Visión computacional
8.1.3. Interpretación de las máquinas de una Imagen

8.2. Funciones de Activación

8.2.1. Funciones de Activación
8.2.2. Sigmoide
8.2.3. RELU
8.2.4. Tangente Hiperbólica
8.2.5. Softmax

8.3. Construcción de Redes Neuronales Convolucionales

8.3.1. Operación de Convolución
8.3.2. Capa ReLU
8.3.3. Pooling
8.3.4. Flattering
8.3.5. Full Connection

8.4. Proceso de la Convolución

8.4.1. Funcionamiento de una convolución
8.4.2. Código de la convolución
8.4.3. Convolución. Aplicación

8.5. Transformaciones con imágenes

8.5.1. Transformaciones con Imágenes
8.5.2. Transformaciones Avanzadas
8.5.3. Transformaciones con Imágenes. Aplicación
8.5.4. Transformaciones con Imágenes. Use Case

8.6. Transferencia de aprendizaje (Transfer Learning)

8.6.1. Transferencia de aprendizaje
8.6.2. Transferencia de aprendizaje. Tipología
8.6.3. Redes Profundas para Aplicar Transferencia de aprendizaje

8.7. Visión por Computador. Caso de uso

8.7.1. Clasificación de imágenes
8.7.2. Detección de objetos
8.7.3. Identificación de objetos
8.7.4. Segmentación de objetos

8.8. Detección de objetos

8.8.1. Detección a partir de la Convolución
8.8.2. R-CNN, búsqueda selectiva
8.8.3. Detección rápida con YOLO
8.8.4. Otras posibles soluciones

8.9. GAN. Redes Generativas Antagónicas, o Generative Adversarial Networks

8.9.1. Redes Generativas Adversales
8.9.2. Código para una GAN
8.9.3. GAN. Aplicación

8.10. Aplicación de Modelos de Visión por Computador

8.10.1. Organización de contenidos
8.10.2. Motores de búsqueda visual
8.10.3. Reconocimiento facial
8.10.4. Realidad aumentada
8.10.5. Conducción Autónoma
8.10.6. Identificación de fallo en cada de montaje
8.10.7. Identificación de plagas
8.10.8. Salud

Módulo 9. Computación Cuántica

9.1. Computación Cuántica

9.1.1. Diferencias con la Computación Clásica
9.1.2. Necesidad de la Computación Cuántica
9.1.3. Ordenadores Cuánticos disponibles: Naturaleza y Tecnología

9.2. Aplicaciones de la computación cuántica

9.2.1. Aplicaciones de la Computación cuántica frente a Computación clásica
9.2.2. Contextos de Uso
9.2.3. Aplicación en Casos Reales

9.3. Fundamentos Matemáticos de la Computación Cuántica

9.3.1. Complejidad Computacional
9.3.2. Experimento de doble rendija. Partículas y ondas
9.3.3. El entrelazamiento

9.4. Fundamentos Geométricos de la Computación Cuántica

9.4.1. Qubit y espacio de Hilbert Bidimensional complejo
9.4.2. Formalismo General de Dirac
9.4.3. Estados de N-Qubits y espacio de Hilbert de dimensión 2n

9.5. Fundamentos Matemáticos Álgebra Lineal

9.5.1. El producto interno
9.5.2. Operadores hermitianos
9.5.3. Eigenvalues y Eigenvectors

9.6. Circuitos Cuánticos

9.6.1. Los estados de Bell y las matrices de Pauli
9.6.2. Puertas lógicas cuánticas
9.6.3. Puertas de control cuánticas

9.7. Algoritmos Cuánticos

9.7.1. Puertas cuánticas reversibles
9.7.2. Transformada de Fourier Cuántica
9.7.3. Teleportación Cuántica

9.8. Algoritmos que demuestran la Supremacía Cuántica

9.8.1. Algoritmo de Deutsch
9.8.2. Algoritmo de Shor
9.8.3. Algoritmo de Grover

9.9. Programación de Computadores Cuánticos

9.9.1. Mi primer programa en Qiskit (IBM)
9.9.2. Mi primer programa en Ocean (Dwave)
9.9.3. Mi primer programa en Cirq (Google)

9.10. Aplicación sobre Computadores Cuánticos

9.10.1. Creación de Puertas Lógicas
9.10.2. Creación de una Sumadora Digital Cuántica
9.10.3. Creación de Juegos Cuánticos
9.10.4. Comunicación secreta de claves entre Bob y Alice

Módulo 10. Aprendizaje automático cuántico

10.1. Algoritmos de Machine Learning Clásicos

10.1.1. Modelos Descriptivos, Predictivos, Proactivos y Prescriptivos
10.1.2. Modelos Supervisados y No Supervisados
10.1.3. Reducción de Características, PCA, Matriz de Covarianza, SVM, Redes neuronales
10.1.4. La optimización en ML: El Descenso del Gradiente

10.2. Algoritmos de Deep Learning Clásicos

10.2.1. Redes de Boltzmann. La Revolución en Machine Learning
10.2.2. Modelos de Deep Learning. CNN, LSTM, GANs
10.2.3. Modelos Encoder-Decoder
10.2.4. Modelos de Análisis de Señales. Análisis de Fourier

10.3. Clasificadores Cuánticos

10.3.1. Generación de un clasificador cuántico
10.3.2. Codificación de los datos en estados cuánticos por amplitud
10.3.3. Codificación de los datos en estados cuánticos por fase/ángulo
10.3.4. Codificación de alto nivel

10.4. Algoritmos de Optimización

10.4.1. Quantum Approximate Optimization Algorithm (QAOA)
10.4.2. Variational Quantum Eigensolvers (VQE)
10.4.3. Quadratic Unconstrained Binary Optimization (QUBO)

10.5. Algoritmos de Optimización. Ejemplos

10.5.1. PCA con circuitos cuánticos
10.5.2. Optimización de paquetes de valores bursátiles
10.5.3. Optimización de rutas logísticas

10.6. Aprendizaje Automático de Núcleos Cuánticos

10.6.1. Clasificadores cuánticos variacionales. QKA
10.6.2. Aprendizaje automático de núcleo cuántico
10.6.3. Clasificación basada en Quantum Kernel
10.6.4. Clustering basados en Quantum Kernel

10.7. Redes Neuronales Cuánticas

10.7.1. Redes Neuronales Clásicas y el Perceptrón
10.7.2. Redes Neuronales Cuánticas y el Perceptrón
10.7.3. Redes Neuronales Convolucionales Cuánticas

10.8. Algoritmos Avanzados de Deep Learning (DL)

10.8.1. Quantum Boltzmann Machines
10.8.2. General Adversarial Networks
10.8.3. Quantum Fourier transformation, quantum phase estimation and quantum matrix

10.9. Aprendizaje automático. Caso de uso

10.9.1. Experimentación con VQC (Variational Quantum Classifier)
10.9.2. Experimentación con Quantum Neural Networks
10.9.3. Experimentación con qGANS

10.10. Computación Cuántica y la Inteligencia Artificial

10.10.1. Capacidad Cuántica en Modelos de ML
10.10.2. Quantum Knowledge Graphs
10.10.3. El futuro de la Inteligencia Artificial Cuántica

Ahonda en los casos de uso de Aprendizaje automático y traslálados a tus proyectos en entornos digitales”