Mòdul_1. Introducció a la Indústria 4.0.
- Introducció a la Indústria 4.0.
- Evolució històrica.
- Internet de les coses (IoT, Internet of Things).
- Usos de IoT i Tecnologies aplicades en la IoT.
- Reptes de les IoT. Avantatges i inconvenients.
- Concepte de la Indústria 4.0.
- Què és indústria 4.0 o l'empresa intel·ligent?.
- Canvis en l'entorn industrial.
- Tecnologies per a explicar la Indústria 4.0
- Reptes i oportunitats de la Indústria 4.0.
Mòdul_2. Introducció a la Intel·ligència Artificial.
- Objectius.
- Introducció a la Intel·ligència Artificial (IA).
- Àrees d'aplicació de la IA.
- Branques de la IA.
- Sistemes intel·ligents en els Sistemes Electrònics.
- Tipus de Tècniques de la IA:
- Xarxes Neuronals.
- Fuzzy control (Lògica Borrosa)
- Sistemes Experts.
- Algorismes Genètics.
- Optimització d'Eixams de partícules (PSO).
- Preguntes que fer-se de la IA.
Mòdul_3. Llenguatge de programació "Node.js".
- Introducció. Enginyeria del coneixement.
- Què és un Sistema Expert?
- En quines àrees resulten útils els sistemes experts?
- Quan usar un Sistema Expert.
- Estructura d'un sistema expert
- Característiques d'un sistema expert
- Com funciona un Sistema Expert?:
- Parts que integren un Sistema Expert:
- Base de Regles, Motor d'inferència i Interfície Usuària.
- Sistemes experts basats en regles (S.E.B.R.)
- Encadenament cap avant i cap arrere.
- Exemple d'un Sistema Expert basat en regles.
- Algorismes que integren un Sistema Expert.
- Exemple del control cap avant i cap arrere.
Mòdul_4. Llenguatge "Node.*js" aplicat IA. Arbres.
- Introducció a la busca amb arbres.
- Estructures Jeràrquiques.
- Concepte dels Arbres de busca.
- Terminologia dels Arbres de busca.
- Exemples d'Arbres.
- Definició d'Arbre BINARI.
- Característiques d'un Arbre BINARI.
- Recorregut dels Arbres de busca:
- preorde
- Enorden
- postorde
- Implementació en Node.js d'un arbre de busca.
- Arbre Binari de Busca (ABB).
- Exemple: Codificació de la Busca d'un Node en un ABB.
- Introducció a la Resolució de Problemes. Busquedas
- Què són les tècniques de busca i quins són els seus elements?
- Tipus de solucionadors:
- Busca cega
- Busca heurística
- Busca sense informació del domini o cega:
- Busca en amplitud
- Busca en profunditat
- Busca en profunditat progressiva
- Busca bidireccional
- Representació de problemes. Espai d'Estats.
- Exemples: Puzle-8, 8 Reines i Pitxers d'aigua.
- Algorisme de Força Bruta. Exemple.
- Grafs. Definició, Matriu d'Adjacència i aplicacions.
- Recorreguts en els Grafs: Primer en profunditat i amplària.
- Implementació en "Node.js" Algorisme BFS i DFS.
- Arbres. Definició, aplicacions. Exemple d'implementació.
- Resum d'Estratègies de busques.
- Algorisme bàsic de busca.
- Introducció de l'Agent Viatger (TSP, Travelling Salesman Problem).
- Plantejament del TSP.
- Grafs. Algorisme del veí mes pròxim. Exemples.
- pseudocodi de l'algorisme del veí mes pròxim.
- Aplicacions més importants del TSP.
- Mètodes de Resolució del TSP. “Força Bruta”.
- Implementació de l'Algorisme Veí mes pròxim.
- Problema del TSP, mitjançant programació dinàmica.
- Resolució del problema del TSP, mitjançant programació dinàmica.
- Implementació de l'Algorisme Programació dinàmica.
Mòdul_5. Sistemes Experts mitjançant la IA en Node.js.
- Introducció. Enginyeria del coneixement.
- Què és un Sistema Expert?
- En quines àrees resulten útils els sistemes experts?
- Quan usar un Sistema Expert.
- Estructura d'un sistema expert
- Característiques d'un sistema expert
- Com funciona un Sistema Expert?:
- Parts que integren un Sistema Expert:
- Base de Regles, Motor d'inferència i Interfície Usuària.
- Sistemes experts basats en regles (S.E.B.R.)
- Encadenament cap avant i cap arrere.
- Exemple d'un Sistema Expert basat en regles.
- Algorismes que integren un Sistema Expert.
- Exemples de Sistemes Experts en Node.js
Mòdul_6. Sistemes Fuzzy mitjançant la IA en Node.js.
- Sistemes Fuzzy. Introducció.
- Diferència entre la lògica de Bool i Fuzzy.
- La lògica difusa en la Intel·ligència Artificial.
- Concepte de Lògica difusa.
- Representació de la Lògica Booleana i Difusa.
- Història de la lògica difusa.
- Aplicacions de la lògica difusa.
- Algorisme de lògica difusa per a un sistema amb dos entrades i una eixida.
- Resum i desavantatges de la lògica difusa.
- Control Difús MANDAMI.
- Sistemes Basats en Regles Difuses (SBRD).
- Procés de Fusificación.
- Funcions de pertinença o filiació.
- Etapa per a la Defusificación.
- Introducció. Simulació FUZZY amb MATLAB.
- Entorn Simulació FUZZY amb MATLAB: toolbox fuzzy.
- Representació del model. Funcions de pertinença i Regles.
- Format del Fitxer .FIS
- Implementació del controlador-Fuzzy.
- Exemple: Control Fuzzy d'un motor elèctric. Simulació.
- Exemple d'ús de Matlab per a la lògica difusa (FUZZY).
- Laboratori: Fuzzy aplicat al control d'un Motor-DC.
- Codificació de l'Algorisme Fuzzy per al control Motor-DC.
- Exemples aplicats en Fuzzy Logic mitjançant llenguatge Node.js.
Mòdul_7. Regressió: Lineal i Logística aplicada amb Node.js.
- Introducció. Regressió Lineal.
- El model de regressió lineal simple (RLS).
- El model de RLS. Estimadors de mínims quadrats.
- Mesures de dependència lineal. La covariància.
- El model de RLS. Exemple.
- Exemple de Regressió Lineal en “Node.js”.
- Exemple de Predicció-Fit amb Regressió Lineal.
- Regressió Lineal Múltiple (RLM). Exemple.
- Exemple de Regressió Lineal Múltiple en "Node.js".
- Classificació amb Regressió Lineal (RL).
Mòdul_8. Xarxes Neuronals aplicades amb Node.js.
- Introducció a les xarxes neuronals.
- Classificació de xarxes neuronals:
- Estructura
- Entrenament
- Aplicació de les xarxes neuronals a la identificació de sistemes i altres.
- Conclusions de la Xarxes Neuronals.
- El model d'una neurona artificial. Funcions de la neurones.
- Cèl·lules de McCulloch-Pitts. Xarxa monocapa.
- Exemple: Obtindre l'eixida de la xarxa neuronal funció NOT.
- Codificació en Llenguatge “Node.js” d'una xarxa McCulloch-Pitts.
Mòdul_09: Algorismes Genètics mitjançant la IA en Node.js.
- Introducció als Algorismes Evolutius.
- Història i Antecedents.
- Característiques essencials (de qualsevol algorisme evolutiu).
- Introducció i objectius dels Algorismes Genètics (AG).
- Programació Genètica i diferència amb els AG.
- Genètica Bàsica. Cicle de la vida.
- Fases de l'algorisme Genètic. Població i Fases.
- Limitacions i debilitats dels AG.
- Àrea d'aplicació dels AG.
- Etapes d'un Algorisme Genètic: Població, cicle i parada.
- Funció d'avaluació (fitnes).
- Operadors genètics:
- SELECCIÓ (Rànquing, Torneig, Ruleta i altres).
- CRUZE o RECOMBINACIÓ.
- MUTACIÓ.
- Exemple senzill d'un Algorisme Genètic Simple.
- Implementació en "Node.js" de l'Algorisme Genètic Simple (AGS).
- Exemples aplicats dels Algorismes Genètics amb llenguatge "Node.js".
- Optimització de f(x) = x.
- Optimització de funcion(x)= 2x -10.
- Optimització d'una funció Diofantina
- Algorisme del problema de la Motxilla.
- Control d'Aigua calenta mitjançant un AG (Opcional)
Laboratoris pràctics (codi Font en “Node.JS”).
Laboratoris- Llenguatge "Node.js". Introducció:
- Llenguatge_Node.js. Esdeveniments.
- Llenguatge_Node.js. Promeses ("async” i “await”).
- Llenguatge_Node.js. Fitxers (.csv).
- Llenguatge_Node.js. Fitxers JSON.
Laboratoris- Llenguatge "Node.js" aplicat I.A. :
- Llenguatge_Node.js. Cues.
- Llenguatge_Node.js: Pitxers d'Aigua.
- Llenguatge_Node.js. Algorisme de Dijkstra.
- Llenguatge_Node.js. Algorisme Viatjant (TSP).
Laboratoris- Sistema Experts amb Node.js:
- Llenguatge_Node.js. Sistema Expert Bàsic.
- Llenguatge_Node.js. Sistema Expert COVID19.
- Llenguatge_Node.js. Sistema Expert Dinàmic.
- Llenguatge_Node.js. Sistema Expert Diagnosi.
Laboratoris- Fuzzy Logic amb Node.js:
- Llenguatge_Node.js. Genèric Matlab (2E - 1S).
- Llenguatge_Node.js. Fuzzy de Propina (2E - 1S).
- Llenguatge_Node.js. Pendulo Invertit (2E - 1S).
Laboratoris-Regressió Lineal i Logística amb Node.js:
- Implementació d'una Regressió Lineal d'una forma simple.
- Implementació d'una Regressió Lineal aplicada a l'estimació del cost d'un vehicule en funció dels km recorreguts.
- Implementació que partint d'unes dades adquirides de Pesos i alçada s'obtinga una regressió Lineal emprant format de matrius.
- Implementació Regressió Múltiple per a això es partix d'unes dades adquirides i emmagatzemades en un fitxer (pes_data.txt).
- Implementació que partint d'unes dades adquirides i apliquem la regressió logística mitjançant la funció sigmoide.
Laboratoris-Xarxes Neuronals amb Node.js:
- Implementació d'una xarxa neuronal del tipus McCulloch-Pitts,.
- Implementació d'una xarxa neuronal del tipus "Perceptrón".
- Implementació del Perceptrón multicapa amb el mètode de Backpropagation.
- Identificació de patrons numèrics (parell, imparell, cosí) utilitzant Xarxes Neuronals Artificials amb l'algorisme BackPropagation.
- Llenguatge_Node.js. Jugar al Golf.
- Llenguatge_Node.js. Qualitat del vi.
Laboratoris-Algorismes Genètics amb Node.js:
- Llenguatge_Node.js. Algorisme Genètic Senzill.
- Llenguatge_Node.js. Algorisme Genètic String.
- Llenguatge_Node.js. Optimitzar funcion(x)= 2x -10.
- Llenguatge_Node.js. Funció Diofantina.
- Llenguatge_Node.js. Motxilla.
