Modulo_1. Introducción a la Industria 4.0.
o Introducción a la Industria 4.0.
o Evolución histórica.
o Internet de las cosas (IoT, Internet of Things).
o Usos de IoT y Tecnologías aplicadas en la IoT.
o Retos de las IoT. Ventajas e inconvenientes.
o Concepto de la Industria 4.0.
o ¿Qué es industria 4.0 o la empresa inteligente?.
o Cambios en el entorno industrial.
o Tecnologías para explicar la Industria 4.0
o Retos y oportunidades de la Industria 4.0.
Modulo_2. Introducción a la Inteligencia Artificial.
o Objetivos.
o Introducción a la Inteligencia Artificial (IA).
o Áreas de aplicación de la IA.
o Ramas de la IA.
o Sistemas inteligentes en los Sistemas Electrónicos.
o Tipos de Técnicas de la IA:
o Redes Neuronales.
o Fuzzy control (Lógica Borrosa)
o Sistemas Expertos.
o Algoritmos Genéticos.
o Optimización de Enjambres de partículas (PSO).
o Preguntas que hacerse de la IA.
Modulo_3. Lenguaje de programación "Node.js".
o Introducción. Ingeniería del conocimiento.
o ¿Que es un Sistema Experto?
o ¿En qué áreas resultan útiles los sistemas expertos?
o Cuando usar un Sistema Experto.
o Estructura de un sistema experto
o Características de un sistema experto
o ¿Cómo funciona un Sistema Experto?:
o Partes que integran un Sistema Experto:
o Base de Reglas, Motor de inferencia e Interfaz Usuario.
o Sistemas expertos basados en reglas (S.E.B.R.)
o Encadenamiento hacia adelante y hacia atrás.
o Ejemplo de un Sistema Experto basado en reglas.
o Algoritmos que integran un Sistema Experto.
o Ejemplo del control hacia adelante y hacia atrás.
Modulo_4. Lenguaje "Node.js" aplicado IA. Árboles.
o Introducción a la búsqueda con árboles.
o Estructuras Jerárquicas.
o Concepto de los Árboles de búsqueda.
o Terminología de los Árboles de búsqueda.
o Ejemplos de Árboles.
o Definición de Árbol BINARIO.
o Características de un Árbol BINARIO.
o Recorrido de los Árboles de búsqueda:
Preorden
Enorden
Postorden
o Implementación en Node.js de un árbol de búsqueda.
o Árbol Binario de Búsqueda (ABB).
o Ejemplo: Codificación de la Búsqueda de un Nodo en un ABB.
o Introducción a la Resolución de Problemas. Busquedas
o ¿Qué son las técnicas de búsqueda y cuáles son sus elementos?
o Tipos de solucionadores:
- Búsqueda ciega
- Búsqueda heurística
o Búsqueda sin información del dominio o ciega:
- Búsqueda en amplitud
- Búsqueda en profundidad
- Búsqueda en profundidad progresiva
- Búsqueda bidireccional
o Representación de problemas. Espacio de Estados.
o Ejemplos: Puzzle-8, 8 Reinas y Jarras de agua.
o Algoritmo de Fuerza Bruta. Ejemplo.
o Grafos. Definición, Matriz de Adyacencia y aplicaciones.
o Recorridos en los Grafos: Primero en profundidad y anchura.
o Implementación en "Node.js" Algoritmo BFS y DFS.
o Árboles. Definición, aplicaciones. Ejemplo de implementación.
o Resumen de Estrategias de búsquedas.
o Algoritmo básico de búsqueda.
o Introducción del Agente Viajero (TSP, Travelling Salesman Problem).
o Planteamiento del TSP.
o Grafos. Algoritmo del vecino mas cercano. Ejemplos.
o Pseudocódigo del algoritmo del vecino mas cercano.
o Aplicaciones más importantes del TSP.
o Métodos de Resolución del TSP. “Fuerza Bruta”.
o Implementación del Algoritmo Vecino mas cercano.
o Problema del TSP, mediante programación dinámica.
o Resolución del problema del TSP, mediante programación dinámica.
o Implementación del Algoritmo Programación dinámica.
Modulo_5. Sistemas Expertos mediante la IA en Node.js.
o Introducción. Ingeniería del conocimiento.
o ¿Que es un Sistema Experto?
o ¿En qué áreas resultan útiles los sistemas expertos?
o Cuando usar un Sistema Experto.
o Estructura de un sistema experto
o Características de un sistema experto
o ¿Cómo funciona un Sistema Experto?:
o Partes que integran un Sistema Experto:
o Base de Reglas, Motor de inferencia e Interfaz Usuario.
o Sistemas expertos basados en reglas (S.E.B.R.)
o Encadenamiento hacia adelante y hacia atrás.
o Ejemplo de un Sistema Experto basado en reglas.
o Algoritmos que integran un Sistema Experto.
o Ejemplos de Sistemas Expertos en Node.js
Modulo_6. Sistemas Fuzzy mediante la IA en Node.js.
o Sistemas Fuzzy. Introducción.
o Diferencia entre la lógica de Bool y Fuzzy.
o La lógica difusa en la Inteligencia Artificial.
o Concepto de Lógica difusa.
o Representación de la Lógica Booleana y Difusa.
o Historia de la lógica difusa.
o Aplicaciones de la lógica difusa.
o Algoritmo de lógica difusa para un sistema con dos entradas y una salida.
o Resumen y desventajas de la lógica difusa.
o Control Difuso MANDAMI.
o Sistemas Basados en Reglas Difusas (SBRD).
o Proceso de Fusificación.
o Funciones de pertenencia ó membresía.
o Etapa para la Defusificación.
o Introducción. Simulación FUZZY con MATLAB.
o Entorno Simulación FUZZY con MATLAB: toolbox fuzzy.
o Representación del modelo. Funciones de pertenencia y Reglas.
o Formato del Fichero *.FIS
o Implementación del controlador-Fuzzy.
o Ejemplo: Control Fuzzy de un motor eléctrico. Simulación.
o Ejemplo de uso de Matlab para la lógica difusa (FUZZY).
o Laboratorio: Fuzzy aplicado al control de un Motor-DC.
o Codificación del Algoritmo Fuzzy para el control Motor-DC.
o Ejemplos aplicados en Fuzzy Logic mediante lenguaje Node.js.
Modulo_7. Regresión: Lineal y Logística aplicada con Node.js.
o Introducción. Regresión Lineal.
o El modelo de regresión lineal simple (RLS).
o El modelo de RLS. Estimadores de mínimos cuadrados.
o Medidas de dependencia lineal. La covarianza.
o El modelo de RLS. Ejemplo.
o Ejemplo de Regresión Lineal en “Node.js”.
o Ejemplo de Predicción-Fit con Regresión Lineal.
o Regresión Lineal Múltiple (RLM). Ejemplo.
o Ejemplo de Regresión Lineal Múltiple en "Node.js".
o Clasificación con Regresión Lineal (RL).
Modulo_8. Redes Neuronales aplicadas con Node.js.
o Introducción a las redes neuronales.
o Clasificación de redes neuronales:
o Estructura
o Entrenamiento
o Aplicación de las redes neuronales a la identificación de sistemas y otras.
o Conclusiones de la Redes Neuronales.
o El modelo de una neurona artificial. Funciones de la neuronas.
o Células de McCulloch-Pitts. Red monocapa.
o Ejemplo: Obtener la salida de la red neuronal función NOT.
o Codificación en Lenguaje “Node.js” de una red McCulloch-Pitts.
Modulo_09: Algoritmos Genéticos mediante la IA en Node.js.
o Introducción a los Algoritmos Evolutivos.
o Historia y Antecedentes.
o Características esenciales (de cualquier algoritmo evolutivo).
o Introducción y objetivos de los Algoritmos Genéticos (AG).
o Programación Genética y diferencia con los AG.
o Genética Básica. Ciclo de la vida.
o Fases del algoritmo Genético. Población y Fases.
o Limitaciones y debilidades de los AG.
o Área de aplicación de los AG.
o Etapas de un Algoritmo Genético: Población, ciclo y parada.
o Función de evaluación (fitness).
o Operadores genéticos:
- SELECCIÓN (Ranking, Torneo, Ruleta y otros).
- CRUZE ó RECOMBINACIÓN.
- MUTACIÓN.
o Ejemplo sencillo de un Algoritmo Genético Simple.
o Implementación en "Node.js" del Algoritmo Genético Simple (AGS).
o Ejemplos aplicados de los Algoritmos Genéticos con lenguaje "Node.js".
- Optimización de f(x) = x.
- Optimización de funcion(x)= 2x -10.
- Optimización de una función Diofantina
- Algoritmo del problema de la Mochila.
- Control de Agua caliente mediante un AG (Opcional)
Laboratorios prácticos:
Mas de 25 laboratorios !!! completos con su código Fuente en “Node.JS”.
Laboratorios- Lenguaje "Node.js". Introducción:
• Lenguaje_Node.js. Eventos.
• Lenguaje_Node.js. Promesas (“async” y “await”).
• Lenguaje_Node.js. Ficheros (*.csv).
• Lenguaje_Node.js. Ficheros JSON.
Laboratorios- Lenguaje "Node.js" aplicado I.A. :
• Lenguaje_Node.js. Colas.
• Lenguaje_Node.js: Jarras de Agua.
• Lenguaje_Node.js. Algoritmo de Dijkstra.
• Lenguaje_Node.js. Algoritmo Viajante (TSP).
Laboratorios- Sistema Expertos con Node.js:
• Lenguaje_Node.js. Sistema Experto Básico.
• Lenguaje_Node.js. Sistema Experto COVID19.
• Lenguaje_Node.js. Sistema Experto Dinámico.
• Lenguaje_Node.js. Sistema Experto Diagnosis.
Laboratorios- Fuzzy Logic con Node.js:
• Lenguaje_Node.js. Genérico Matlab (2E - 1S).
• Lenguaje_Node.js. Fuzzy de Propina (2E - 1S).
• Lenguaje_Node.js. Pendulo Invertido (2E - 1S).
Laboratorios-Regresión Lineal y Logística con Node.js:
• Implementación de una Regresión Lineal de una forma simple.
• Implementación de una Regresión Lineal aplicada a la estimación del coste de un vehiculo en función de los km recorridos.
• Implementación que partiendo de unos datos adquiridos de Pesos y estatura se obtenga una regresión Lineal empleando formato de matrices.
• Implementación Regresión Múltiple para ello se parte de unos datos adquiridos y almacenados en un fichero (peso_data.txt).
• Implementación que partiendo de unos datos adquiridos y aplicamos la regresión logística mediante la función sigmoide.
Laboratorios-Redes Neuronales con Node.js:
• Implementación de una red neuronal del tipo McCulloch-Pitts,.
• Implementación de una red neuronal del tipo "Perceptron".
• Implementación del Perceptron Multicapa con el método de Backpropagation.
• Identificación de patrones numéricos (par, impar, primo) utilizando Redes Neuronales Artificiales con el algoritmo BackPropagation.
• Lenguaje_Node.js. Jugar al Golf.
• Lenguaje_Node.js. Calidad del vino.
Laboratorios-Algoritmos Genéticos con Node.js:
• Lenguaje_Node.js. Algoritmo Genético Sencillo.
• Lenguaje_Node.js. Algoritmo Genético String.
• Lenguaje_Node.js. Optimizar funcion(x)= 2x -10.
• Lenguaje_Node.js. Función Diofantina.
• Lenguaje_Node.js. Mochila.
