Curso

INTELIGENCIA ARTIFICIAL APLICADA CON SISTEMAS EMBEBIDOS (24/25)

  • Desde: 16/9/24
  • Hasta: 30/8/25
  • Campus de Valencia
  • Idioma: Castellano
  • Online

Preinscripción desde el 17/6/24

Matrícula disponible hasta el 1/7/25

Una vez aceptada tu matrícula dispones de 60 días para finalizar el curso

Promovido por:
Instituto Interuniversitario de Investigación de Reconocimiento Molecular y Desarrollo Tecnológico

Responsable de la actividad:
Francisco José Gimeno Sales


Inscripción
Consulta las condiciones específicas de la actividad

Modalidad

Presencial Online Emisión en directo

0 horas


45 horas


0 horas

Lugar de impartición
ONLINE
Certificación

Aprovechamiento

Modalidad

ONLINE

Curso

2024-2025

ECTS

4,5

Campus

Valencia

0 h

Presenciales

45 h

Online

Precio Colectivo
195 € Alumno UPV 
195 € Alumni UPV PLUS 
195 € Personal UPV 
225 € Socio de Deportes UPV 
345 € Público en general 
195,00 € - Alumni UPV PLUS
195,00 € - Alumno UPV
195,00 € - Personal UPV
225,00 € - Socio de Deportes UPV
345,00 € - Público en general

Objetivos

El objetivo principal del curso “INTELIGENCIA ARTIFICIAL APLICADA CON SISTEMAS EMBEBIDOS”, es aprender a diseñar, implementar y gestionar metodologías para la creación de software en las técnicas de la Inteligencia Artificial aplicadas mediante sistemas embebidos o empotrados como pueden ser Arduino, Raspberry PI, ARM y DSC de la familia C2000. Así como, elaborar un proyecto integral de Inteligencia Artificial aplicada de naturaleza profesional. Para llevar acabo este aprendizaje se explicara detalladamente los fundamentos de las técnicas de Inteligencia Artificial de Sistemas Expertos, Lógica Fuzzy ó Difusa ó Borrosa y los Algoritmos Genéticos. Se diseñaran mas de 40 ejemplos sobre el lenguaje "C" y se aplicaran a las Energías Renovables y otras. Todo esto desde un punto de vista práctico.
La implementación de las técnicas de la Inteligencia Artificial (IA) es una de las carreras profesionales más demandadas (y mejor pagadas a largo plazo) en la actualidad. La Inteligencia Artificial, es la profesión más demandada en el TOP 1 según Linkedin en 2020, creciendo un 76% cada año

Acción formativa dirigida a

Tecnicos en programacion, Ingenieros Industriales, Telecomunicaciones, informaticos


Profesores

  • Francisco José Gimeno Sales Profesor/a Titular de Universidad
  • Salvador Orts Grau Profesor/a Titular de Universidad

Temas a desarrollar

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.

2. Tipos de sistemas Empotrados. Introducción.
o Introducción. Procesamiento Digital. Aplicaciones.
o ¿Que es un Microcontrolador?. Características.
o Introducción. Bloques Básicos de un sistema Digital
o ¿Que Procesador Digital Elegir?.
o Compañías relevantes del mercado de los Microcontroladores.
o Aplicaciones de los Procesadores Digitales
o Plataformas Abiertas Empotradas. Arduino.
o Shields Arduino existentes. IDE. Resumen.
o Arduino. Estructuras de programa.
o ESP32. Introducción.
o Plataformas TMS320-DSP (C2000-Texas).
o Características de las CPU’s de C2000 Texas Instruments.
o Kits de desarrollo de la familia C2000.
o Hardware de sistemas empotrados.
o Raspberry PI. Introducción.
o Aplicaciones y características de la Raspberry PI.
o Elementos de la Raspberry PI (Pequeño PC).
o Tarjetas Raspberry PI existentes. Resumen.
o Tarjeta de la Raspberry PI 2 B.

3. 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 Colonia de Hormigas.
o Preguntas que hacerse de la IA.

4. Sistemas Expertos. Introducción.
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.

5. Sistemas Expertos. Diseño e Implementación.
o Lenguaje de Programación en C Avanzado Árboles y Listas.
o Ejemplo: Implementar un Sistema Experto de Diagnosis. Código en "C".
o Ejemplo: Implementar un Sistema Experto dinámico. Código en "C".
o Creación de un Sistema Experto Genérico básico:
 Aspectos esenciales.
 Objetivos.
 Estructura Base de Conocimiento.
 Cargando Base de Conocimiento.
 Implementando Motor Inferencia.
 Flujograma.
 Codificación en Lenguaje "C".
o Ejemplo: Implementar un Sistema Experto completo. Código en "C".
o Alternativas para el desarrollo del prototipo de un SE.
o Arquitectura de un Sistema Experto.



6. Implementación de Sistemas Expertos en “C”.
o Razonamiento con incertidumbre.
o Fundamentos de probabilidad. Introducción.
o Fundamentos de probabilidad. Ejemplos.
o Introducción a los Sistemas Expertos Probabilísticos.
o Ejemplo. Sistema Experto Probabilístico sencillo:
- Requerimientos.
- Diseño.
- Codificación en "C".
o Introducción a las Probabilidades. Ejemplos.
o Ejemplo. Sistema Experto Probabilístico:
- Requerimientos.
- Diseño.
- Codificación en "C".
o Sistemas Expertos en meteorología. Introducción

7. Lógica Fuzzy. Introducción.
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 ¿Cuándo utilizar la lógica difusa o borrosa?
o Fortalezas y debilidades de la lógica difusa.
o Historia de la lógica difusa. Resumen.
o Aplicaciones de la lógica difusa. Actuales.
o Control Difuso MAMDANI.
o Funciones de pertenencia ó membresía: Triangular, trapezoidal.
o Proceso de Fusificación.
o Etapa para la Fusificación. Ejemplo.
o Etapa para la Defusificación. Ejemplo.
o Ejemplo_01-Arduino Fuzzy de Propina en restaurante.

8. Lógica Fuzzy. Matlab.
o Introducción. Simulación FUZZY con MATLAB.
o Entorno Simulación FUZZY con MATLAB: toolbox fuzzy.
o Representación del modelo. Funciones de pertenencia y Reglas.
o Implementación del controlador-Fuzzy. Simulink.
o Formato del Fichero *.FIS
o Ejemplo-02 Control Fuzzy de un motor eléctrico. Simulación.
o Ejemplo-03 Implementación en "C" Fuzzy aplicado al control de un Motor-DC.
o Ejemplo-04 básico Temperatura Fuzzy con Matlab.
o Ejemplo-05 Riesgo financiero Fuzzy con Matlab.
o Ejemplo-06 Diseño con Matlab de un sistema Fuzzy genérico (2E/1S).
o Diseño FUZZY con Matlab de 3E y 1S..

9. Lógica Fuzzy. Implementaciones.
o Ejemplo-07 Implementación en "C" de un sistema Fuzzy genérico (2E/1S).
o Ejemplo-08 práctico para el control de Temperatura. Fuzzy.
o Requerimientos y definición de los conjuntos difusos.
o Tratamiento de las funciones de membresía (pertenencia).
o Implementar un control de temperatura mediante control Fuzzy
o Objetivo, Diseño y flujograma.
o Ejemplo-09. Fuzzy aplicado al control de Potencia Disipada:
o Objetivos y diseño. Simulación Matlab.
o Codificación en lenguaje 'C' del Algoritmo digital Fuzzy.
o Ejemplo-10 Motor - Distancia con Lenguaje-C. Arduino.

10. Lógica Fuzzy. Reguladores PID.
o Introducción a los Controladores PID.
o Estructura PID.
o Problemática de los Controladores PID.
o Arquitectura de un controlador Fuzzy (FLC).
o Control Proporcional (P)- Fuzzy. Caso Práctico.
o Control Proporcional-Derivativo (PD) Fuzzy.
o Ejemplo-11: Fuzzy aplicado al control de Potencia Disipada.
o Objetivos, Diseño de las funciones de membresía y la base de Reglas.
o Simulación del Sistema Fuzzy.
o Codificación del Algoritmo Fuzzy para el control de Potencia Disipada.
o Control Proporcional-Integral (PI). Ejemplo.
o Simulación del Sistema PI-Fuzzy:
o Diseño de las funciones de membresía.
o Base de las reglas.
o Resultado de la simulación PI-Fuzzy.
o Codificación en ‘C’ del algoritmo Fuzzy para el controlador PI:
o Control Proporcional-Integral-Derivativo (PID):
o Diseño de las funciones de membresía.
o Simulación del Sistema PID-Fuzzy.
o Base de las reglas.
o Resultado de la simulación PID-Fuzzy

11. Lógica Fuzzy. Implementaciones-02.
o Introducción. Aplicación del control Fuzzy del Péndulo invertido.
o Algoritmo genérico para el control Fuzzy del Péndulo invertido:
o Diseño de las funciones de membresía.
o Estructura de datos necesarias.
o Fusificación.
o Base de las reglas.
o Defusificación.
o Resumen: Algoritmo “Generalista” Fuzzy de 2 Entradas y Salida.
o Codificación en ‘C’ del algoritmo Fuzzy para el Péndulo Invertido.
o Resultados del Software desarrollado.
o Laboratorio. Control Fuzzy Generalista: PÉNDULO INVERTIDO.
o Introducción a WRAPPER de Ficheros *.fis a C ANSI.
o Ejemplo-14 de aplicación Fuzzy: WRAPPER de Ficheros *.FIS
o Web de WRAPPER de Ficheros *.fis a C ANSI. Ejemplo en Arduino.

12. . Lógica Fuzzy y las Energías Renovables.
o Introducción al control MPPT en las EERR
o Objetivo del punto de máxima potencia. Convertidores DC-DC.
o Curvas tensión/corriente y tensión/potencia de los paneles solares fotovoltaicos. Determinación del PMP.
o Control del PMP mediante convertidores electrónicos de potencia.
o Métodos de control del PMP.
o Diseño de algoritmo del MPPT con Fuzzy-Logic.
o Ejemplo-01 de algoritmo del MPPT con Fuzzy-Logic mediante Simulink.
o Implementación Simulink de un Predictor de lluvia con Fuzzy-Logic.
o Gestión de energía en residencias con lógica difusa:
 Introducción.
 Simulación. Resultados.
o Sistemas Fuzzy. Calidad Eléctrica en Microrred:
 Introducción.
 Simulación. Resultados..



13. Algoritmos Genéticos. Introducción.
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.
o 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 "C" del Algoritmo Genético Simple (AGS)..



14. Algoritmos Genéticos. Matlab.
o Introducción: Algoritmos Genéticos con MATLAB.
o Ejemplos de AG monobjetivos con restricciones.
o Ejemplos de AG monobjetivos sin restricciones.
o Algoritmos Genéticos con MATLAB. Scripts. Ejemplos.
o Algoritmos Genéticos con MATLAB. Herramienta gatool.
o Ejemplos con la Herramienta gatool.
o Algoritmos Genéticos con MATLAB. GAOPTIMSET
o Ejemplos con GAOPTIMSET.
o Ejemplo completo paso a paso de los Algoritmos Genéticos con MATLAB.
o Ejemplo de Resolución de un sistema de ecuaciones con AG y Matlab.
o Herramienta "Optimización ToolBox Solver".

15. Energías Renovables y Algoritmos Genéticos desde el entorno Matlab.
o Aplicación de los Algoritmos Genéticos con MATLAB en las Energías Renovables (Solar + Eólica + Baterías).
o Aplicación de Dimensionado de una Planta EERR con AG.
 Objetivos de la Aplicación.
 Diseño Multiobjetivo de un sistema híbrido eólico-solar.
 Evaluación técnica.
o Modelo del campo solar, aerogeneradores y baterías.
o Requerimiento de Datos Meteorológicos.
o Requerimiento de Probabilidad de Pérdida de Suministro de la Energía (LPSP):
 Evaluación económica.
o Costes, O&M de los componentes del Sistema de Energías Renovables.
o Metodologías para analizar la resolución optima.
o Implementación del Dimensionamiento Optimo. Flujograma General.
o Código en Matlab de la Aplicación de Dimensionado de una Planta EERR con AG.

16. Algoritmos Genéticos. Aplicaciones sobre SSEE.
o Maximizar una función no lineal y con restricciones con Algoritmos Genéticos.
o Implementación en "C" para Minimizar f(x)= sin(x).
o Problema del ciclista mediante Algoritmos Genéticos.
o Problema de la mochila. Implementación en "C" mediante Algoritmos Genéticos.
o Optimización de rutas de redes.
o Implementación en "C" del Problema TSP mediante AG


Inscripción
Consulta las condiciones específicas de la actividad