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.
2. Tipus de sistemes encastats. Introducció.
- Introducció. Processament Digital. Aplicacions.
- Què és un microcontrolador? Característiques.
- Introducció. Blocs bàsics d'un sistema digital
- Quin processador digital triar?
- Companyies rellevants del mercat dels microcontroladors.
- Aplicacions dels processadors digitals
- Plataformes obertes encastades. Arduino.
- Shields Arduino existents. IDE. Resum.
- Arduino. Estructures de programa.
- ESP32. Introducció.
- Plataformes TMS320-DSP (C2000-Texas).
- Característiques de les CPU’s de C2000 Texas Instruments.
- Kits de desenrotllament de la família C2000.
- Maquinari de sistemes encastats.
- Raspberry PI. Introducció.
- Aplicacions i característiques de la Raspberry PI.
- Elements de la Raspberry PI (xicotet PC).
- Targetes Raspberry PI existents. Resum.
- Targeta de la Raspberry PI 2 B.
3. 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).
- Colònia de formigues.
- Preguntes que fer-se de la IA.
4. Llenguatge "C" aplicat IA. Abolixes.
- 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 “C” d'un arbre de busca.
- Arbre Binari de Busca (ABB).
- Exemple: Codificació en “C” de la Busca d'un Node en un ABB.
5. Busques de solucions mitjançant la IA. Heurística.
- Introducció a la Resolució de Problemes.
- 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 "C" Algorisme BFS i *DFS.
- Arbres. Definició, aplicacions. Exemple d'implementació.
- Busca Cega. Tipus de busca.
- Resum d'Estratègies de busques.
- Algorisme bàsic de busca.
- Exemple de l'algorisme Busca Primer en Profunditat (DFS).
- Algorismes de tornada arrere (backtracking). Introducció.
- Implementació de la tècnica de Backtracking.
- Problema de la Motxilla.
- Busca amb adversaris (Jocs). Exemples.
- Busca amb adversaris (Jocs). Poda Alfa-Beta.
- Introducció. GPS (General Problem Solver).
- Implementació de l'algorisme busca per a trobar les Claus. Robot.
- Implementació de l'algorisme busca de vols aeris.
- Introducció solució de problemes.
- Disseny de sistemes de busca de solucions.
- Espais d'Estats.
- Busca Heurística. Funció d'avaluació.
- Estratègies de busca heurística. Gradient.
- Algorisme primer el millor. Exemple marro.
- Jocs. Algorisme A*.
- Jocs. Algorisme MINIMAX.
- Jocs. Algorisme poda Alfa-Beta.
- Introducció al resolvedor de problemes generals.
- Conceptes bàsics Grafs.
- Introducció de l'Agent Viatger (TSP, Travelling Salesman Problem).
- Plantejament del TSP.
- Grafs. Algorisme del veí més pròxim. Exemples.
- pseudocodi de l'algorisme del veí més pròxim.
- Aplicacions més importants del TSP.
- Mètodes de Resolució del TSP. “Força Bruta”.
- Implementació de l'Algorisme Veí més pròxim.
- Problema del TSP, mitjançant programació dinàmica.
- Resolució del problema del TSP, mitjançant programació dinàmica.
- Implementació de l'Algorisme Programació dinàmica.
6. Arbres de Decisió. Aplicacions.
- Introducció als arbres de decisió.
- Els arbres de Decisió/Classificació
- Arbres de Decisió. Espai de busques
- Representació gràfica dels arbres de decisió
- Aplicació dels Arbres de Decisió. El problema venedor de periòdics.
- Característiques i Aprenentatge (Machine Learning) dels Arbres de Decisió.
- Exemple senzill Arbre de Decisió. Característiques o atributs.
- Arbres de Decisió. Algorisme ID3.
- Algorisme ID3. Característiques, procediments.
- Algorisme ID3. Avantatges i inconvenients.
- L'algorisme bàsic d'aprenentatge ID3. Passos a realitzar.
- Algorisme ID3. pseudocodi.
- Conceptes de la informació: Entropia i Guany.
- Exemple aplicat Algorisme ID3. Jugar al golf.
- Exemple de Codificació en "C" de l'Algorisme decisió ID3.
- Problemàtiques de l'Algorisme ID3,
7. Regressió: Lineal i Logística.
- 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 “C”.
- Exemple de Predicció-Fit amb Regressió Lineal.
- Regressió Lineal Múltiple (RLM). Exemple.
- Exemple de Regressió Lineal Múltiple en "C".
- Classificació amb Regressió Lineal (RL).
- Regressió Logística. Introducció.
- Exemple de Regressió Logística en “C”.
8. Gradient descendent.
- Mètodes Gradient
- Introducció
- El mètode del gran descens ("steepest descent")
- Criteris de parada
- Funcions quadràtiques.
9. Xarxes Neuronals. Introducció.
- 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 les neurones.
- Cèl·lules de McCulloch-Pitts. Xarxa monocapa.
- Exemple: Obtindre l'eixida de la xarxa neuronal funció NOT.
- Codificació en Llenguatge “C” d'una xarxa McCulloch-Pitts.
10. Xarxes Neuronals. Adaline.
- Introducció xarxa Adaline.
- ADALINE [Adaptive Linear Neuron]. Arquitectura.
- Xarxa Neuronal ADALINE. Entrenament.
- Característiques de ADALINE.
- Comparació entre el Perceptrón i Adaline.
- Regla d'Aprenentatge de mínims quadrats (LMS).
- Algorismes d'Aprenentatge. ADALINE.
- Simulació de la funció lògica OR amb ADALINE. Matlab.
- Implementació en “C” de la funció OR amb ADALINE.
- Exemple d'Entrenament de ADALINE: BCD.
- Aplicació de la xarxa ADALINE. Robot.
- Xarxa Neuronal MADALINE. Introducció.
- Xarxa Neuronal MADALINE. Aprenentatge. Tipus.
- Xarxa Neuronal MADALINE. Exemple XOR.
- Simulació de la funció lògica XOR amb MADALINE.
- Implementació xarxa Adaline: Estimació de la freqüència i Filtre Adaptatiu.
11. Xarxes Neuronals. Perceptrón Monocapa.
- Introducció al Perceptrón.
- El Perceptrón: Interpretació Geomètrica.
- Tipus de Neurones: Lineals i no Lineals.
- Exemple d'una xarxa Neuronal.
- Funcions realitzables amb el Perceptrón: AND i OR.
- Funció XOR seria realitzable amb un Perceptrón?
- Característiques del model del Perceptrón.
- Xarxes multicapa. Tipus.
- Aprenentatge en les Xarxes Neuronals.
- Algorisme d'entrenament del Perceptrón.
- Implementació d'un Perceptrón.
- Exemple d'entrenament del Perceptrón.
- Codificació del Perceptrón en “C”.
12. Xarxes Neuronals. Perceptrón multicapa. Backpropagation.
- El Perceptrón multicapa:
- Introducció.
- Associació de dos perceptrones.
- Arquitectura.
- Capacitat de Representació.
- Exercici.
- Algorisme BACKPROPAGATION: Descripció.
- Implementació de la funció XOR mitjançant una xarxa multicapa (Arduino).
- pseudocodi de l'Algorisme de Retropropagación.
- Algorisme Backpropagation. Inconvenients.
- Exercici de l'Algorisme Backpropagation.
- Exemple de Backpropagation en Arduino.
- El Perceptrón multicapa. Sobre ajuste (Overfitting).
- Exemple de Backpropagation en “C”. Classificador Iris.
13. Xarxes Neuronals. Matlab.
- Introducció de Matlab amb RNA.
- Utilitzar comandos de la Neural Network Toolbox de Matlab.
- Crear una xarxa neuronal tipus feed-forward (FFNN).
- Comando per a l'Entrenament de la RNA (train).
- Comando de simulació d'una RNA mitjançant la Toolbox de Matlab.
- Exemple: crear una RNA amb Matlab.
- Exemple: Backpropagation Funció lògica XOR.
- Preparar Dades d'Entrada… Escalat.
- Exemple de Funció AND amb Perceptrón amb Matlab.
- Comande NNSTART de Matlab.
- Ferramenta NNTOOL. Introducció.
- Matriu de Confusió Binària amb RNA. Exemple.
- Laboratori. Funció XOR amb NNTOOL. Matlab
- Exemple de Classificació d'Iris-Flores amb RNA. Matlab.
14. Xarxes Neuronals. Aplicacions.
- Exemple-RNA: Classificació d'Iris-Flores amb RNA. Arduino. Laboratori.
- Exemple-RNA: Reconeixement de dígits hexadecimals BCD. Matlab i en “C” Arduino.
- Limitació del Perceptrón. Laboratori de Classificació de Llibres amb RNA. Matlab.
- Exemple RNA. Predicció de Pluja. Matlab.
- Exemple RNA. Predicció de Pluja en “C”.
Laboratoris pràctics Intel·ligència Artificial: (Codi Font en “C” i scripts de Matlab)
Laboratoris- Llenguatge "C" aplicat IA. Arbres:
- Implementació d'una Cua de Prioritat.
- Funcions de maneig d'arbres aplicats a la IA.
- Implementació d'un algorisme el maneig de funcions de busca mitjançant Arbres Binaris.
Laboratoris- Busques de Solucions IA:
- Dissenyar i implementar un Algorisme per a resoldre el problema de dos pitxers d'aigua, una de 4 litres i una altra de 3 litres sense escala de mesurament.
- Implementar un algorisme per a trobar un patró de tipus cadena, aplicant el mètode de la Força Bruta.
- Implementar un algorisme del maneig de funcions per a la Busca en Profunditat i Amplària (DFS).
- Implementar un algorisme Busca Primer en Profunditat (DFS).
- Implementar un algorisme del problema de la motxilla de tal forma que es maximitzar el nombre d'objectes transportats amb el seu màxim valor de benefici.
- Implementar un algorisme busca per a trobar les Claus. Per a això utilitzarem un robot on té el pla de la seua casa emmagatzemat.
- Implementar un algorisme busca de vols aeris.
- Implementar un algorisme Endevina un número. Heurística.
- Implementar un Algorisme del Joc Marro aplicant una teoria aleatòria.
- Implementar un Algorisme del Joc Marro aplicant MINIMAX.
- Implementar un Algorisme per a resoldre el problema del venedor ambulant (TSP).
- Implementar un Algorisme de Dijkstra determina la ruta més curta des d'un node origen cap als altres nodes
Laboratoris-Arbres de Decisió:
- Implementar un Algorisme d'Arbre de decisió. Arduino.
- Implementar un Algorisme d'Arbre de decisió aplicant l'Algorisme ID3.
Laboratoris-Regressió Lineal i Logística:
- Implementació d'una Regressió Lineal d'una forma simple.
- Implementació d'una Regressió Lineal aplicada a l'estimació del cost d'un vehicle 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-Gradient Descendent:
- Implementació de l'algorisme del Gradient descendent (AGD), per a això partim d'unes dades adquirides i emmagatzemades en fitxer data.txt, amb els quals hem de realitzar una predicció.
- Implementació que partint d'unes dades adquirides (temperatura) i volem obtindre una predicció de temperatura mitjançant l'algorisme de Gradient descendent (AGD). Arduino.
Laboratoris-Xarxes Neuronals:
- Implementació d'una xarxa neuronal del tipus McCulloch-Pitts.
- Implementació d'una funció lògica tipus OR mitjançant la xarxa ADALINE.
- Implementació d'un control de direcció Robot amb la xarxa Adaline, per a això es partix dels pesos i el bias o llindar obtinguts en Matlab. Arduino.
- Implementació d'una funció lògica tipus XOR mitjançant la xarxa MADALINE.
- Implementació de l'Estimació de la freqüència de xarxa elèctrica amb la xarxa ADALINE.
- Implementació d'un Filtre Adaptatiu de cancel·lació de soroll amb algorisme LMS.
- Implementació d'una xarxa neuronal del tipus "Perceptrón".
- Implementació del Perceptrón multicapa amb el mètode de Backpropagation.
- Implementació de classificació, partint del conjunt de dades de la base de dades d'iris (flors) utilitzant l'algorisme de classificació “Un contra Tots” i les xarxes neuronals.
- Implementació de la funció lògica AND mitjançant una xarxa neuronal del tipus "Perceptrón", a l'entorn de Matlab.
- Implementació de classificació, partint del conjunt de dades de la base de dades d'iris (flors) utilitzant l'algorisme de classificació mitjançant, a l'entorn de Matlab i Arduino.
- Identificació de patrons numèrics (parell, imparell, >5, cosí) utilitzant Xarxes Neuronals Artificials amb l'algorisme BackPropagation, el sistema és capaç de reconéixer i representar els números del 0 al 9 i les lletres per mitjà d'una interfície d'usuari muntat en un sistema embegut (Arduino).
- Classificació automàtica, partint d'una base de dades de 200.000 llibres que disposa una biblioteca, necessita classificar-ho en 4 grups diferents per a decidir en quina part de la biblioteca seran col·locats.
- Predicció de Pluja, per a això a partir d'unes dades meteorològiques i amb tres dies d'anticipació calcularem el dia 4t si plourà i el seu tipus de precipitació.
- Predictor de Pluja amb una Xarxa Neuronal en Llenguatge "C", per a això a partir d'unes dades meteorològiques i amb tres dies d'anticipació calcularem el dia 4t si plourà i el seu tipus de precipitació. Per a això fem l'entrenament i després la predicció de pluja.
