text
El primer programa híbrido en Analítica avanzada diseñado especialmente para los profesionales de operaciones y procesos de producción
¡SEGUNDA EDICIÓN EN MARCHA!
18 de marzo de 2024 – Inscripción Abierta
Colaboradores
¿A quién va dirigido?
La fuerza de la Analítica Avanzada aplicada a la realidad de la Industria 4.0
¿A quién va dirigido y por qué?
El programa está destinado a todos los mandos intermedios responsables de procesos de producción y gestión en el sector industrial.
El objetivo es prepararlos para los nuevos retos de la Industria 4.0 y especialmente en aquellos relacionados con la analítica avanzada y el valor del dato en la industria
Resultados para el profesional
Con nuestro executive Program los profesionales podrán adquirir habilidades en diseño, implementación y operación de proyectos de data Analytics en el entorno industrial.
Crecimiento personal y profesional
El Executive Program Big Manufacturing Analytics es una gran oportunidad de desarrollo para ti, gracias a:
- profesorado e instalaciones de primer nivel
- conocimientos teóricos y casos prácticos aplicados en empresas líderes en su sector
- últimas tendencias y prácticas en el mundo de la Analítica Avanzada y Big data
Con la garantía de:
Fórmate y empieza a aplicar la transformación digital en la industria 4.0
Programa
Formación en formato híbrido.
Duración: 1 cuatrimestre
Sesiones remotas de teoría (4 horas semanales)
Sesiones presenciales en las que se desarrollarán prácticas sobre casos reales de aplicación de analítica avanzada en entorno industrial
Bloque 1
Introducción
En este bloque se refrescarán los conceptos básicos de la gestión y mejora de las plantas industriales para unificar conceptos tales como la eficiencia de planta (OEE), metodologías clásicas de mejora (Lean, Six Sigma, etc.), conceptos básicos de analítica y Business Intelligence.
Práctica 1
IoT y DASHBOARD
La práctica, con una estructura de Datatom, se centrará en la captura de datos de sensórica y la elaboración de cuadros de mando utilizando herramientas de Business Intelligence
Bloque 2. Parte I
Data Analytics en la planta industrial.
Modelos predictivos
El objetivo es profundizar en conceptos de Inteligencia Artificial y Machine Learning, y su aplicación a la resolución de casos en el entorno industrial (calidad, averías, predicción de demanda, etc.).
Práctica 2
Modelos predictivos
Con estructura de datatom, se trabajará en la elaboración de Modelos predictivos sencillos y prácticos en el entorno industrial.
Bloque 2. Parte II
Data Analytics en la planta industrial.
Modelos predictivos
Conocimientos básicos de algunas tecnologías como Blockchain, Ciberseguridad y desarrollo de proyectos utilizando metodologías agile.
| Tipo | Organización | Sesiones | Horas lectivas |
| Sesiones teórico-prácticas remotas | 2 sesiones semanales | 32 | 64 h |
| Sesiones prácticas Datatom | 2 sesiones semanales | 2 | 20 h |
| Total | 34 | 84 h |
Propuesta de valor
Experiencia real con conceptos basados en las últimas tendencias y con casos de uso que se están aplicando en empresas de primer nivel
Algunos de nuestros profesores:
Javier Campelo
Head of Analytics & AI en aggity
Con más de 15 años dentro del sector del Big Data, Analytics y la Inteligencia Artificial.
Profesor Master Big Data & Analytics.
Anteriormente, fue el responsable de la 4º plataforma Banco Santander y lidero los servicios de Data Strategy & Big Data en Deloitte España.
Ignacio Tornos
Industrial products & manufacturing Sector Leader
Durante más de 20 años ha trabajado en mejorar procesos utilizando Lean y Seis Sigma. Ahora, utilizando los conocimientos de Industria 4.0 de aggity, puede ayudar a las empresas a dar un paso más en su gestión. Ha ocupado posiciones de Dirección en empresas de consultoría e industriales, lo que me permite un conocimiento directo de las operaciones industriales y una experiencia en una gran cantidad de procesos. El conocimiento de las necesidades de una industria le permite identificar cómo la Digitalización puede resolver los problemas concretos.
Javier Monjas
Machine Learning & AI en aggity
Con más de 15 años de experiencia en este mundo ha participado en múltiples proyectos de analytics en los sectores de: seguros, utilities, banca, retail, farma, telco… ocupando desde puestos de desarrollo hasta de dirección.
La formación para Javier es un mundo apasionante, forma parte del claustro de cinco escuelas de negocios donde imparte distintas materias relacionadas con Machine Learning y AI.
Está convencido de que cuando se unen la analítica con negocio es cuando se consiguen resultados con impacto para las compañías.
Aldo Munaretto
Big Data & Arquitectura en Finect
Con más de 20 años de experiencia en proyectos de Big Data, DevOps y Cloud. Experto en Docker y Kubernets.
Anteriormente fue Co-Fundador y CTO de la Fintecch – Finect y es profesor en Big Data y Cloud en escuelas de primer nivel.
Miquel Melero
Smart Factory Solutions Leader en aggity
Técnico superior en Administración de sistemas informáticos y Posgrado UPC en Gestión y Calidad del software. Con 20 años de experiencia en el mundo de la informática industrial y los últimos 10 años en posiciones de gestión y dirección de departamentos de desarrollo de software para la industria. Desde 2018 liderando el área de Industria en aggity participando en la venta y ejecución de los proyectos.
Rosa E. Lillo
Head of the UC3M-Santander Big Data Institute. (Twitter: @BigData_UC3M)
Research, Boutique Projects and Training in Big Data and Data Science. Catedrática de Estadística e Investigación Operativa en la UC3M. Coordinadora académica del curso.
Harold Antonio Hernandez Roig
Investigador en el Departamento de Estadística de la Universidad Carlos III de Madrid
Licenciado en Matemáticas, Máster y Doctorado en Ingeniería Matemática. Profesor de estadística, programación en R y técnicas de machine learning en programas de grado y posgrado de la UC3M. Su investigación se centra en el análisis de datos funcionales, técnicas de componentes principales y modelos de regresión PLS para datos con dominios y/o imágenes complejas.
Lara Quijano Sánchez
Investigadora UC3M-Santander Big Data Institute. Profesora EPS de la UAM
Doctora en Ingeniería Informática, especialidad en Inteligencia Artificial por la UCM. Especializada en técnicas de ciencia de datos, procesamiento del lenguaje natural, sistemas de recomendación, búsqueda y recuperación de información, análisis de redes sociales, técnicas de análisis de sentimiento y diseño de modelos predictivos utilizando técnicas de Big Data. Figura reconocida en la comunidad IA donde ha podido desarrollar una sólida y significativa experiencia investigadora con varias contribuciones relevantes. Premios de Investigación de la Fundación de la Policía Española 2016-2017 y 2017-2018, por los proyectos:
«VeriPol, Aplicación de la detección automática basada en texto del lenguaje engañoso a los informes policiales y “HaterNet: Detección y análisis automático de discursos de odio en Twitter” que han tenido visibilidad nacional e internacional en prensa.
Iván González Díaz
Profesor del Departamento de Teoría de la Señal y Comunicaciones de la Universidad Carlos III de Madrid
Ingeniero de Telecomunicación por la Universidad de Valladolid, Máster y Doctorado en Multimedia y Comunicaciones por la Universidad Carlos III de Madrid. Desarrolla su actividad de investigación en el ámbito de la visión por ordenador, el aprendizaje automático y la inteligencia artificial, centrada fundamentalmente en el reconocimiento y procesado de datos visuales. Imparte docencia universitaria desde hace 17 años, en grados de ingeniería y ciencia de datos y programas de máster, en asignaturas relacionadas con el procesado de señales, el aprendizaje profundo y la visión artificial. Participa asiduamente en cursos de ciencia de datos y aprendizaje automático destinados a profesionales del sector bancario.
Pablo Morala
Investigador en el Departamento de Estadística de la Universidad Carlos III de Madrid
Graduado en Matemáticas y Física por la Universidad de Oviedo y Máster en Estadística para la Ciencia de Datos, Doctorado en Ingeniería Matemática, UC3M. Su investigación se enmarca en el contexto de la interpretabilidad y la selección de variables en algoritmos de machine learning, especialmente centrada en redes neuronales y deep learning.
Sandra Benítez
Investigadora Juan de la Cierva – Dpto. de Estadística de la Universidad Carlos III de Madrid
Graduada, Máster y Doctora en Matemáticas por la Universidad de Sevilla. Investigadora postdoctoral Juan de la Cierva – departamento de Estadística en la UC3M. Su investigación se basa en el desarrollo de nuevas metodologías que combinan la Optimización Matemática y la Estadística para extraer información de los datos, centrada principalmente en las Máquinas de Vectores Soporte (SVMs).
Belén Pulido
Investigadora en IBiDat
Graduada en Matemáticas por la Universidad de Málaga y Máster en Big Data Analytics por la Universidad Carlos III de Madrid. Actualmente es investigadora (Doctorado en Ingeniería Matemática) en IBiDat (UC3M-Santander Big Data Institute). Es profesora de estadística y técnicas de machine learning en cursos de grado y posgrado de la UC3M. Su investigación se encuadra en el análisis de datos funcionales y aplicación de técnicas estadísticas y machine learning.
Rellena el formulario y nos pondremos en contacto contigo:
Contacto Landing
¡Síguenos!
Con la garantía de:
