De naturaleza teórico-práctico, se dictará de manera presencial y virtual.  Los resultados de aprendizaje buscan que el estudiante sea capaz de utilizar herramientas de software para hacer algoritmos, debug e implementar modelos de predicción para su análisis. El enfoque es, orientado al desarrollo de soluciones eficientes y a la preparación para aplicaciones más avanzadas en ciencia de datos e inteligencia artificial.

El contenido abarca: fundamentos de la programación utilizando Python, C++ y lenguaje natural; estructuras de control (condicionales y bucles), tipos de datos, funciones, programación orientada a objetos, manejo de archivos y módulos.

De naturaleza teórico-práctico, se dictará de manera presencial y virtual.  Los resultados de aprendizaje buscan que el estudiante sea capaz de manejar los conceptos claves de Algebra lineal, Transformada de Laplace, Transformada de Fourier, Optimización y Estadística.

El contenido abarca: Sistemas Discretos y Continuos. Análisis en frecuencia. Series temporales. Transformadas de Laplace y de Fourier.  Gradiente de un campo escalar, variables de estado, algebra lineal. métodos básicos de optimización, probabilidad, varianza, proceso aleatorio estacionario, correlación.

De naturaleza teórico-práctico, se dictará de manera presencial y virtual.  Los resultados de aprendizaje que se persiguen es que, el alumno comprenda los conceptos básicos de un sistema embebido, las herramientas y criterios para programar un sistema embebido.

El contenido abarca: RaspBerry, Arduino, FPGA, Lenguaje de descripción de hardware -VHDL-, Place & Route y, generación de mapa de bits.

La asignatura de Base de Datos para automatización es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje le brindan al participante una visión global de los diferentes tipos de base de datos relacionales y no relacionales, capaces de manejar un alto número de datos. Asimismo, teniendo en cuenta que los proyectos son más numerosos, más complejos y de naturaleza más variada, la pertinencia de los contenidos permitirá al Master tener la capacidad de manejar, generar y/o usar Bases de datos para resolver un problema de Ingeniería. El curso equilibra la teoría de los sistemas de bases de datos con prácticas de modelado y consulta aplicadas a casos reales.

El curso abarca: fundamentos del diseño, implementación y gestión de bases de datos. Modelos de datos -especialmente el modelo relacional-. Diseño de esquemas mediante normalización. Lenguajes de consulta como SQL. Bases de datos distribuidas y sistemas NoSQL.

De naturaleza teórico-práctico, se dictará de manera presencial y virtual.  Los resultados de aprendizaje buscan que el estudiante sea capaz de manejar herramientas de Control y automatización de procesos.

La asignatura abarca: programación de PLC, sensores remotos. Sistemas a lazo abierto y a lazo cerrado. Control PID en la industria.

La asignatura de Curso de Especialidad B es de naturaleza teórico-práctico y se dictará de manera presencial y virtual.

El curso aborda: conceptos básicos de la industria 4.0 y la Ciencia de Datos aplicada. Definición de las tecnologías IoT (Internet Industrial de las cosas), Inteligencia Artificial, Cyber Physical Systems (CPS), Big Data, Cloud Computing y Robótica. Introducción a las redes neuronales.

De naturaleza teórico-práctico, se dictará de manera presencial y virtual.  Los resultados de aprendizaje buscan que el estudiante sea capaz de manejar los fundamentos teóricos de señales y su procesamiento en tiempo real.

El curso aborda: algoritmos de tratamiento de señales. Señales analógicas y digitales. Transformadas de Fourier aplicado a señales, Transformadas de Hilbert, Transformadas Z de señales. Técnicas de filtrados: IIR, FIR, filtros especiales. Señales aleatorias. Estimación de espectros de potencia.

La asignatura de Control Predictivo es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje que se persigue es que el estudiante comprenda conceptos básicos de los diferentes reguladores predictivos y, cuente con la capacidad de aplicar estas técnicas en contextos académicos e industriales.

El contenido del curso se enfoca en: características básicas de un regulador predictivo. Regulador a mínima varianza, ecuación Diofantina, horizonte de predicción. GPC (Generalized Predictive Control), MPC-Variables de Estado. MPC para procesos multivariables.

La asignatura identificación es de naturaleza teórico-práctico y se dictará en forma presencial y virtual. Los resultados del aprendizaje son que el estudiante se capaz de desarrollar simuladores para predicciones.

El curso abarca:  Modelos Data Driven -basado en datos-. Técnicas de Experimentación para obtención de la data de los procesos. Criterios para selección de estructuras de modelos. Métricas de validación. Modelos predictivos no lineales con inteligencia artificial. Simulación de algoritmos en Matlab y Python.

La asignatura de machine learning aplicado en automatización es de naturaleza teórico-práctico y se dictará en forma presencial y virtual. Los resultados del aprendizaje son que el estudiante se capaz de conocer y desarrollar modelos de predicción basado en técnicas de Machine Learning.

El curso abarca: Técnicas de preparación de Datos. Estrategias de Validación. Regresión Lineal y Logística, Máquinas de Vectores de Soporte (SVM), árboles de decisión, métodos de ensamble (bagging y boosting), clustering (k-means) y reducción de dimensionalidad (PCA). métodos de ensamble: bagging y boosting, clustering (k means). Perceptrón multicapa. Aprendizaje reforzado con programación dinámica.

La asignatura de Curso de Formación General es de naturaleza teórico-práctico y se dictará en forma presencial y virtual. Los resultados del aprendizaje son que el estudiante se capaz de asimilar conocimientos de Dirección de personas en la innovación.

La asignatura abarca: Tópicos de Antropología Filosófica. Los motivos de la acción humana. Mando sobre una persona y sobre un grupo. Autoridad, poder, liderazgo en proceso de transformación digital. Evaluación de decisiones directivas. Ética y Dirección. Metodologías ágiles para prototipado, enfocar el diseño y desarrollo. Conciliación Trabajo y Familia.

La asignatura es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje buscan que el estudiante comprenda los fundamentos de Deep Learning y se apliquen en contextos de automatización.

EL contenido del curso está enfocado en el estudio de redes neuronales convolucionales, redes recurrentes, regularización para Deep Learning. Transformers para aplicaciones avanzadas. Modelos de difusión. Aprendizaje reforzado. Aprendizaje reforzado con redes neuronales.  Loss Functions y Funciones de activación.

La asignatura de Gestión de Innovación y transformación digital es de naturaleza teórico-práctico y se dictará de manera presencial y virtual, usando la plataforma Virtual. Los resultados de aprendizaje buscan preparar a los estudiantes para liderar proyectos de innovación, conocer las implicancias de la transformación digital en procesos con una perspectiva general, desarrollando competencias de dirección que abarcan estrategia, liderazgo de personas y ejecución práctica.

El contenido del curso es: Elementos de un proyecto de innovación y su gestión. La transformación digital en procesos productivos. El líder con mentalidad ágil. La relación Universidad-Empresa en procesos de innovación y el marco peruano como apoyo a la empresa e industria. Tendencias B2C, b2B e industria 4.0.

La asignatura de Redes Industriales es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje es lograr que el alumno comprenda el funcionamiento de las redes de datos, de la Internet industrial y sus tecnologías relacionadas.

El curso abarca: Evaluación de redes industriales. Protocolos Industriales. Buses de campo. Comunicación Serial RS-232 y RS-485. Profibus FMS, DP, PA, MBP. Redes IT, convergencia IT/OT. Ethernet Industrial: CIP, Profibus DP, Modbus TCP.

La asignatura de Ciberseguridad aplicada en automatización es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje es lograr que el alumno comprenda técnicas para proteger los sistemas de producción de amenazas cibernéticas.

El curso abarca: Ciberseguridad en las redes. Amenazas. Vulnerabilidad (CVE, micro HTTP). Modelo Purdue. Estándares de Frame Workd en Ciberseguridad. Grupos de Implementación. Controles para seguridad de la información.

La asignatura de Procesamiento Digital de Imágenes es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje le brindan al participante una visión global de los diferentes elementos básicos para el procesamiento de imágenes.

El curso abarca: Imagen digital bidimensional, adquisición de imágenes 2D, iluminación, sistemas de clasificación de patrones, proceso de imágenes en pseudocolor, proceso de imágenes en color, Proceso Morfológico de Imágenes, operaciones básicas. Representación de imágenes en el dominio espacial y frecuencial, filtrado, segmentación, compresión y reconocimiento de patrones básicos. Imágenes RGB. Multiespectral, hiperespectral, térmicas.

La asignatura de Robótica es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje esperados al final del curso es que el candidato a máster sea capaz de diseñar, transferir e integrar tecnología robótica en procesos de la industria y, además, tener conocimiento de la integración de otras tecnologías, como la inteligencia artificial, para potenciar las aplicaciones de robótica.

El curso abarca: Fundamentos de la Robótica Moderna. Robótica Industrial 4.0. Robótica de Servicios. Inteligencia Artificial en la Robótica Moderna. Perspectivas Globales y Locales de la Robótica.

La asignatura de Investigación 1 es de naturaleza teórico-práctica y se dictará de manera presencial y virtual. Los resultados de aprendizaje esperados al final del curso es que el estudiante desarrolle el plan de tesis de su trabajo de investigación y, haga la exposición del mismo a la dirección de maestría.

El curso abarca: Descripción de las fases de un proyecto de investigación (estado del arte, metodología, plan de desarrollo, conclusiones). Uso de base de datos. Normativa de referencias bibliográficas. Planteamiento de un proyecto de investigación conducente a una tesis de grado de master, que comprende los objetivos, la justificación y, la elaboración del estado del arte, bajo el acompañamiento de un Asesor.

La asignatura de Aplicaciones de Tecnología Inteligente en la Industria es de naturaleza teórico-práctico y se dictará de manera presencial y virtual. Los resultados de aprendizaje es lograr que el alumno comprenda el cómo se implementa un proyecto tecnológico aplicando tecnología inteligente.

El curso abarca: casos prácticos con resultados ilustrando las métricas de evaluación del desempeño.

La asignatura de Investigación 2 es de naturaleza teórico-práctica y se dictará de manera presencial y virtual. Los resultados esperados es la presentación de la tesis completa a la facultad de Ingeniería.

El contenido de la asignatura es el desarrollo de la metodología, la experimentación y, conclusiones del trabajo de investigación.