Una titulación universitaria con contenido multimedia al que podrás acceder las 24 horas del día desde un dispositivo con conexión a internet” 

Las nuevas tecnologías han avanzado de manera exponencial en los últimos años provocando que sectores como la Industria crezcan enormemente gracias, entre otros factores, a las mejoras en la automatización de la Robótica. Un progreso, que ha propiciado la creación de puestos de trabajo en el campo de la Ingeniería. Con una proyección positiva encara el ingeniero el futuro en este sector.  

Este Postgraduate certificate le permitirá al alumnado adquirir un conocimiento profundo en los tres puntos fundamentales de la Robotics in Industrial Process Automation: diseño eléctrico, diseño de automatismos y programación/configuración de equipos. Así, a lo largo de las seis semanas de duración de esta titulación el profesional de la Ingeniería accederá a temario con un enfoque teórico-práctico que le permitirá dominar los cálculos, consideraciones y equipos necesarios para la construcción de un cuadro eléctrico, las redes de comunicación, arquitecturas y soluciones más modernas en aplicaciones industriales o la instrumentación industrial.  

Un programa avanzado que permitirá al alumnado el análisis exhaustivo de la programación de los equipos más allá del Control Lógico Programable (PLC), con especial incidencia en los robots, los equipos de visión y variadores e interfaces de la web. Todo ello con un temario conformado por material multimedia al que podrá acceder desde el primer día con un dispositivo con conexión a internet. 

Una excelente oportunidad para el profesional de la Ingeniería que desee progresar en su carrera profesional con una enseñanza universitaria flexible que le permite compatibilizar sus responsabilidades laborales con un programa de calidad. Así, esta instrucción le permite distribuir la carga lectiva del plan de estudio acorde a sus necesidades.  

El programa también cuenta con la intervención de un Director Invitado Internacional, reconocido mundialmente por su destacada trayectoria profesional. Impartirá una Masterclass especializada en el ámbito de la automatización de procesos industriales.

Amplía tu experiencia profesional con la colaboración de un Director Invitado Internacional, quien ofrecerá una Masterclass de alto nivel”

Este Postgraduate certificate en Robotics in Industrial Process Automation contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Ingeniería Robótica 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras  
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

Una enseñanza online donde podrás realizar simulación de automatismos y plantas. Haz clic e inscríbete”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.  

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos. 

Domina la Robótica industrial de actuación eléctrica gracias a este Postgraduate certificate"

¿Quieres dominar la programación y configuración de equipos en plantas industriales? Matricúlate ahora"

Throughout the 150 teaching hours, the engineering professionals will have access to a syllabus that has been developed for students to acquire the most comprehensive knowledge in the field of Robotics in Industry. An updated syllabus made up of video summaries, specialized readings and practical cases that can be accessed in its entirety from the start of this Postgraduate certificate. A program with a theoretical-practical approach, which will lead you to master the design of automated systems, electrical design, programming and configuration of programmable logic controllers PLCs or the implementation of automation.

This Postgraduate certificate allows you to add another step forward in your career and in Industry 4.0”

Module 1. Intelligent Agents. Application of Artificial Intelligence to Robots and Softbots

1.1. Intelligent Agents and Artificial Intelligence

1.1.1. Intelligent Robots. Artificial Intelligence
1.1.2. Intelligent Agents

1.1.2.1. Hardware Agents. Robots
1.1.2.2. Software Agents. Softbots

1.1.3. Robotics Applications

1.2. Brain-Algorithm Connection

1.2.1. Biological Inspiration of Artificial Intelligence
1.2.2. Reasoning Implemented in Algorithms. Typology
1.2.3. Presentability of Results in Artificial Intelligence Algorithms
1.2.4. Evolution of Algorithms up to Deep Learning

1.3. Search Algorithms in the Solution Space

1.3.1. Elements in Solution Space Searches
1.3.2. Solution Search Algorithms in Artificial Intelligence Problems
1.3.3. Applications of Search and Optimization Algorithms
1.3.4. Search Algorithms Applied to Machine Learning

1.4. Machine Learning

1.4.1. Machine Learning
1.4.2. Supervised Learning Algorithms
1.4.3. Unsupervised Learning Algorithms
1.4.4. Reinforcement Learning Algorithms

1.5. Supervised Learning

1.5.1. Supervised Learning Methods
1.5.2. Decision Trees for Classification
1.5.3. Support Vector Machines
1.5.4. Artificial Neural Networks
1.5.5. Applications of Supervised Learning

1.6. Unsupervised Learning

1.6.1. Unsupervised Learning
1.6.2. Kohonen Networks
1.6.3. Self-Organizing Maps
1.6.4. K-Means Algorithm

1.7. Reinforcement Learning

1.7.1. Reinforcement Learning
1.7.2. Agents Based on Markov Processes
1.7.3. Reinforcement Learning Algorithms
1.7.4. Reinforcement Learning Applied to Robotics

1.8. Artificial Neural Networks and Deep Learning

1.8.1. Artificial Neural Networks. Typology
1.8.2. Applications of Neural Networks
1.8.3. Transformation from Machine Learning to Deep Learning
1.8.4.  Deep Learning Applications

1.9. Probabilistic Inference

1.9.1. Probabilistic Inference
1.9.2. Types of Inference and Method Definition
1.9.3. Bayesian Inference as a Case Study
1.9.4. Nonparametric Inference Techniques
1.9.5. Gaussian Filters

1.10. From Theory to Practice: Developing an Intelligent Robotic Agent

1.10.1. Inclusion of Supervised Learning Modules in a Robotic Agent
1.10.2. Inclusion of Reinforcement Learning Modules in a Robotic Agent
1.10.3. Architecture of a Robotic Agent Controlled by Artificial Intelligence
1.10.4. Professional Tools for the Implementation of the Intelligent Agent
1.10.5. Phases of the Implementation of AI Algorithms in Robotic Agents

Module 2. Artificial Vision Techniques in Robotics: Image Processing and Analysis

2.1. Computer Vision

2.1.1. Computer Vision
2.1.2. Elements of a Computer Vision System
2.1.3. Mathematical Tools

2.2. Optical Sensors for Robotics

2.2.1. Passive Optical Sensors
2.2.2. Active Optical Sensors
2.2.3. Non-Optical Sensors

2.3. Image Acquisition

2.3.1. Image Representation
2.3.2. Color Space
2.3.3. Digitizing Process

2.4. Image Geometry

2.4.1. Lens Models
2.4.2. Camera Models
2.4.3. Camera Calibration

2.5. Mathematical Tools

2.5.1. Histogram of an Image
2.5.2. Convolution
2.5.3. Fourier Transform

2.6. Image Preprocessing

2.6.1. Noise Analysis
2.6.2. Image Smoothing
2.6.3. Image Enhancement

2.7. Image Segmentation

2.7.1. Contour-Based Techniques
2.7.2. Histogram-Based Techniques
2.7.3. Morphological Operations

2.8. Image Feature Detection

2.8.1. Point of Interest Detection
2.8.2. Feature Descriptors
2.8.3. Feature Matching

2.9. 3D Vision Systems

2.9.1. 3D Perception
2.9.2. Feature Matching between Images
2.9.3. Multiple View Geometry

2.10. Computer Vision based Localization

2.10.1. The Robot Localization Problem
2.10.2. Visual Odometry
2.10.3. Sensory Fusion

Module 3. Robot Visual Perception Systems with Machine Learning

3.1. Unsupervised Learning Methods applied to Computer Vision

3.1.1. Clustering
3.1.2. PCA
3.1.3. Nearest Neighbors
3.1.4. Similarity and Matrix Decomposition

3.2. Supervised Learning Methods Applied to Artificial Vision

3.2.1. “Bag of Words” Concept
3.2.2. Support Vector Machine
3.2.3. Latent Dirichlet Allocation
3.2.4. Neural Networks

3.3. Deep Neural Networks: Structures, Backbones and Transfer Learning

3.3.1. Feature Generating Layers

3.3.1.1. VGG
3.3.1.2. Densenet
3.3.1.3. ResNet
3.3.1.4. Inception
3.3.1.5. GoogLeNet

3.3.2. Transfer Learning
3.3.3. The Data Preparation for Training

3.4. Artificial Vision with Deep Learning I: Detection and Segmentation

3.4.1. YOLO and SSD Differences and Similarities
3.4.2. Unet
3.4.3. Other Structures

3.5. Computer Vision with Deep Learning II: Generative Adversarial Networks

3.5.1. Image Super-Resolution Using GAN
3.5.2. Creation of Realistic Images
3.5.3. Scene Understanding

3.6. Learning Techniques for Localization and Mapping in Mobile Robotics

3.6.1. Loop Closure Detection and Relocation
3.6.2. Magic Leap. Super Point and Super Glue
3.6.3. Depth from Monocular

3.7. Bayesian Inference and 3D Modeling

3.7.1. Bayesian Models and "Classical" Learning
3.7.2. Implicit Surfaces with Gaussian Processes (GPIS)
3.7.3. 3D Segmentation Using GPIS
3.7.4. Neural Networks for 3D Surface Modeling

3.8. End-to-End Applications of Deep Neural Networks

3.8.1. End-to-End System. Example of Person Identification
3.8.2. Object Manipulation with Visual Sensors
3.8.3. Motion Generation and Planning with Visual Sensors

3.9. Cloud Technologies to Accelerate the Development of Deep Learning Algorithms

3.9.1. Use of GPUs for Deep Learning
3.9.2. Agile Development with Google Colab
3.9.3. Remote GPUs, Google Cloud and AWS

3.10. Deployment of Neural Networks in Real Applications

3.10.1. Embedded Systems
3.10.2. Deployment of Neural Networks. Use
3.10.3. Network Optimizations in Deployment, Example with TensorRT.

Enroll now and acquire the most advanced knowledge in the implementation of automation systems”