Curso actualmente no disponible

Big Data Analytics en Confiabilidad y Mantenimiento

Curso

En Bogotá ()

¡9% de ahorro!
$ 1.920.000 IVA inc.

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Descripción

  • Tipología

    Curso

  • Horas lectivas

    16h

  • Duración

    1 Semana

El curso busca formar profesionales con dominio en las técnicas de análisis de Big Data aplicados a la confiabilidad y mantenimiento de activos físicos que le permitan desarrollar y analizar modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas.

Para lo anterior, los profesionales aprenderán a utilizar el software Deep Learning Hub (DLHub) que les permitirá implementar algoritmos avanzados de Aprendizaje Profundo mediante una plataforma de programación visual, que trabaja de forma simple, sin necesidad de tener conocimientos en programación.

A tener en cuenta

Al finalizar el curso el participante estará en capacidad de desarrollar y analizar modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas

Conocerá las técnicas tradicionales de aprendizaje de máquinas y sus limitaciones, para hacer análisis de confiabilidad y mantenimiento.

Podrá implementar algoritmos mediante una plataforma de programación visual

Conocerá como utilizar redes neuronales para el análisis de datos y pronóstico de fallas en activos físicos.

Profesionales de Ingeniería o ramas afines, vinculados al área de Gestión de Activos, Mantenimiento y Confiabilidad, que estén desempeñando cargos de gerentes, supervisores, profesionales del área de mantenimiento y operaciones de las diferentes empresas de la industria nacional.
El curso no tiene ningún prerrequisito, diferente al conocimiento de la operación básica de un computador y manejo de herramientas de MS Office.

Los objetivos del curso se alcanzarán a través de una combinación de exposiciones magistrales con el estudio de casos prácticos haciendo uso de un software específico de libre acceso. Adicionalmente se harán ejercicios individuales en forma de taller.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Logros de este Centro

2022
2019

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 opiniones en los últimos 12 meses

Este centro lleva 14 años en Emagister.

Materias

  • Mantenimiento
  • Programación
  • Algoritmos
  • Big Data
  • Análisis de datos
  • Datos multisensor
  • Redes neuronales en big data
  • Sistemas informáticos
  • Informática de Sistemas
  • Datos

Profesores

Enrique  López Droguett

Enrique López Droguett

Docente

Ingeniero Químico, con Maestría en Ingeniería Química de la Universidad Federal de Bahía en Brasil, Maestría en Ingeniería de la Confiabilidad de la Universidad de Maryland y Doctorado en Ingeniería de la Confiabilidad (Reliability Engineering) de la misma Universidad. Profesor asociado del Departamento de Ingeniería Mecánica de la Universidad de Chile, donde actualmente trabaja en cinco proyectos de investigación en el área de Confiabilidad. Ha realizado varias publicaciones en revistas Internacionales. Es profesor adjunto del Departamento de Ingeniería Mecánica de la Universidad de Maryland,

Programa académico

1) Técnicas tradicionales de aprendizaje de máquina para el análisis de confiabilidad y mantenimiento.
2) Limitaciones de las técnicas tradicionales de aprendizaje de máquina para problemas de Big Data.
3) Aprendizaje profundo de máquinas para problemas de Big Data en confiabilidad y mantenimiento.
4) Redes neuronales convolucionales profundas para el análisis de datos multi sensor.
5) Redes neuronales recurrentes para el pronóstico de fallas en activos físicos.

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Big Data Analytics en Confiabilidad y Mantenimiento

$ 1.920.000 IVA inc.