No dejes escapar la oportunidad de especializarte con este Grand Máster y posiciónate con ventaja para acceder a los mejores proyectos de desarrollo de Realidad Virtual” 

El mercado de la realidad virtual y la visión artificial se encuentra en plena expansión, requiriendo cada vez más de profesionales con cualificaciones específicas en este campo. Tal es así, que desde hace unos años la inteligencia artificial, otra tecnología ligada, ha producido una gran revolución en el mundo digital. Así, sus aplicaciones van desde las ciencias computacionales hasta la investigación en el ámbito sanitario y el desarrollo de herramientas como vehículos, robots o videojuegos.

Por este motivo, este Grand Máster de TECH contiene todo lo esperable y exigible para el informático que quiera conducir su carrera hacia la creación y virtualización de entornos realistas o fantasiosos. En este programa desarrollará sus habilidades más avanzadas en el ámbito de la creación y virtualización de modelos 3D, al mismo tiempo que perfeccionará sus competencias en las herramientas más punteras del sector. De esta forma, tendrá una solidez suficiente para liderar los proyectos de Realidad Virtual y Visión Artificial más ambiciosos.

Asimismo, el informático analizará a lo largo de toda la titulación cómo las máquinas procesan la información visual recibida y cómo esa información se puede emplear, ya sea para mejorar la relación de la propia máquina con su propio entorno o para recoger datos de forma eficaz. El Deep Learning, campo en continuo desarrollo, se aborda en el programa desde un prisma innovador y práctico. El informático conocerá los frameworks y hardware más importantes al respecto, al igual que la aplicación del mismo en los diferentes campos de acción de la Visión Artificial.

Además, el informático disfrutará de la metodología 100% online de TECH, especialmente diseñada para que pueda compaginar este programa con toda clase de trabajos o responsabilidades, puesto que se adapta a sus circunstancias personales. Esto le permite la flexibilidad de cursar esta titulación sin horarios fijos ni asistencia obligatoria a centros físicos. Así, tiene la libertad de distribuir el contenido didáctico según sus propias obligaciones personales, pues todo el material se puede descargar desde cualquier dispositivo con acceso a internet.

Anticípate a los demás y matricúlate en esta titulación para ser un auténtico experto en las tecnologías que están cambiando el mundo actual”

##Este/Esta## ##ESTUDIO## en Realidad Virtual y Visión Artificial contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Realidad Virtual y Visión Artificial
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras en realidad virtual, animación 3D y visión artificial
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Profundiza en la Inteligencia Artificial y el Deep Learning para convertirte en toda una referencia en el ámbito de la Visión Artificial, aprovechando las herramientas tecnológicas más avanzadas del sector”

Incluye en su cuadro docente a profesionales pertenecientes al ámbito de la informática, que vierten en este programa la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará un estudio inmersivo programado para entrenarse ante situaciones reales.

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el alumno deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, el profesional contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.

No te quedes atrás y conoce todas las novedades de la Realidad Virtual y Visión Artificial, dando un paso decisivo en tu trayectoria profesional al incorporar este Grand Máster en tu CV”

Únete a los proyectos más ambiciosos de empresas consolidadas como Valve, Microsoft, Google, Ubisoft o Samsung”

Los contenidos de este Grand Máster han sido diseñados por grandes expertos internacionales en la materia, garantizando al informático el acceso a conocimientos altamente especializados y actualizados que le colocarán como una referencia del sector. En este programa podrá profundizar en aspectos como la Visión Artificial para el estudio del espacio y para análisis de contenido, en la búsqueda de patrones y códigos, así como en todos los campos relativos a la animación e informática 3D en entornos de realidad virtual, con temas y subtemas dedicados a las principales herramientas, métodos de trabajo, recursos digitales y formas de organización de equipos.

Accede a una biblioteca de contenidos de alta calidad, que profundizan con videos en detalle, casos simulados y lecturas complementarias en el amplio mundo de la Realidad Virtual y Visión Artificial”

Módulo 1. Visión artificial

1.1. Percepción humana 

1.1.1. Sistema visual humano 
1.1.2. El color 
1.1.3. Frecuencias visibles y no visibles 

1.2. Crónica de la Visión Artificial

1.2.1. Principios 
1.2.2. Evolución 
1.2.3. La importancia de la visión artificial 

1.3. Composición de imágenes digitales 

1.3.1. La Imagen digital 
1.3.2. Tipos de imágenes 
1.3.3. Espacios de color 
1.3.4. RGB 
1.3.5. HSV y HSL 
1.3.6. CMY-CMYK 
1.3.7. YCbCr 
1.3.8. Imagen indexada 

1.4. Sistemas de captación de imágenes

1.4.1. Funcionamiento de una cámara digital 
1.4.2. La correcta exposición para cada situación 
1.4.3. Profundidad de campo 
1.4.4. Resolución 
1.4.5. Formatos de imagen 
1.4.6. Modo HDR 
1.4.7. Cámaras de alta resolución 
1.4.8. Cámaras de alta velocidad 

1.5. Sistemas Ópticos 

1.5.1. Principios ópticos 
1.5.2. Objetivos convencionales 
1.5.3. Objetivos telecéntricos 
1.5.4. Tipos de autoenfoque 
1.5.5. Distancia focal 
1.5.6. Profundidad de campo 
1.5.7. Distorsión óptica 
1.5.8. Calibración de una imagen 

1.6. Sistemas de iluminación 

1.6.1. Importancia de la iluminación 
1.6.2. Respuesta frecuencial 
1.6.3. Iluminación Led 
1.6.4. Iluminación en exteriores 
1.6.5. Tipos de iluminaciones para aplicaciones industriales. Efectos 

1.7. Sistemas Captación 3D 

1.7.1. Estéreo Visión 
1.7.2. Triangulación 
1.7.3. Luz estructurada 
1.7.4. Time of Flight 
1.7.5. Lidar 

1.8. Multiespectro 

1.8.1. Cámaras Multiespectrales 
1.8.2. Cámaras Hiperespectrales 87

1.9. Espectro cercano No visible 

1.9.1. Cámaras IR 
1.9.2. Cámaras UV 
1.9.3. Convertir de No visible a Visible gracias a la iluminación 

1.10. Otras bandas del espectro 

1.10.1. Rayos X 
1.10.2. Teraherzios 

Módulo 2. Aplicaciones y estado del arte

2.1. Aplicaciones industriales 

2.1.1. Librerías de visión industrial 
2.1.2. Cámaras compactas 
2.1.3. Sistemas basados en PC 
2.1.4. Robótica industrial 
2.1.5. Pick and place 2D 
2.1.6. Bin picking 
2.1.7. Control de calidad 
2.1.8. Presencia ausencia de componentes 
2.1.9. Control dimensional 
2.1.10. Control etiquetaje 
2.1.11. Trazabilidad 

2.2. Vehículos autónomos 

2.2.1. Asistencia al conductor 
2.2.2. Conducción autónoma 

2.3. Visión Artificial para Análisis de Contenidos 

2.3.1. Filtro por contenido 
2.3.2. Moderación de contenido visual 
2.3.3. Sistemas de seguimiento 
2.3.4. Identificación de marcas y logos 
2.3.5. Etiquetación y clasificación de videos 
2.3.6. Detección de cambios de escena 
2.3.7. Extracción de textos o créditos 

2.4. Aplicaciones médicas 

2.4.1. Detección y localización de enfermedades 
2.4.2. Cáncer y Análisis de radiografías 
2.4.3. Avances en visión artificial dada la Covid19 
2.4.4. Asistencia en el quirófano

2.5. Aplicaciones espaciales 

2.5.1. Análisis de imagen por satélite 
2.5.2. Visión artificial para el estudio del espacio 
2.5.3. Misión a Marte 

2.6. Aplicaciones comerciales 

2.6.1. Control stock 
2.6.2. Videovigilancia, seguridad en casa 
2.6.3. Cámaras aparcamiento 
2.6.4. Cámaras control población 
2.6.5. Cámaras velocidad 

2.7. Visión Aplicada a la Robótica 

2.7.1. Drones 
2.7.2. AGV 
2.7.3. Visión en robots colaborativos 
2.7.4. Los ojos de los robots 

2.8. Realidad Aumentada 

2.8.1. Funcionamiento 
2.8.2. Dispositivos 
2.8.3. Aplicaciones en la industria 
2.8.4. Aplicaciones comerciales 

2.9. Cloud Computing 

2.9.1. Plataformas de Cloud Computing 
2.9.2. Del Cloud Computing a la producción

2.10. Investigación y Estado del Arte 

2.10.1. La comunidad científica 
2.10.2. Qué se está cociendo 
2.10.3. El futuro de la visión artificial 

Módulo 3. Procesado digital de imágenes 

3.1. Entorno de desarrollo en Visión por Computador 

3.1.1. Librerías de Visión por Computador 
3.1.2. Entorno de programación 
3.1.3. Herramientas de visualización 

3.2. Procesamiento digital de imágenes 

3.2.1. Relaciones entre pixeles 
3.2.2. Operaciones con imágenes 
3.2.3. Transformaciones geométricas 

3.3. Operaciones de pixeles 

3.3.1. Histograma 
3.3.2. Transformaciones a partir de histograma 
3.3.3. Operaciones en imágenes en color 

3.4. Operaciones lógicas y aritméticas 

3.4.1. Suma y resta 
3.4.2. Producto y División 
3.4.3. And / Nand 
3.4.4. Or / Nor 
3.4.5. Xor / Xnor 

3.5. Filtros 

3.5.1. Máscaras y Convolución 
3.5.2. Filtrado lineal 
3.5.3. Filtrado no lineal 
3.5.4. Análisis de Fourier

3.6. Operaciones morfológicas 

3.6.1. Erode and Dilating 
3.6.2. Closing and Open 
3.6.3. Top_hat y Black hat 
3.6.4. Detección de contornos 
3.6.5. Esqueleto 
3.6.6. Relleno de agujeros 
3.6.7. Convex hull 

3.7. Herramientas de análisis de imágenes 

3.7.1. Detección de bordes 
3.7.2. Detección de blobs 
3.7.3. Control dimensional 
3.7.4. Inspección de color

3.8. Segmentación de objetos 

3.8.1. Segmentación de imágenes 
3.8.2. Técnicas de segmentación clásicas 
3.8.3. Aplicaciones reales 

3.9. Calibración de imágenes 

3.9.1. Calibración de imagen 
3.9.2. Métodos de calibración 
3.9.3. Proceso de calibración en un sistema cámara 2D/robot 

3.10. Procesado de imágenes en entorno real 

3.10.1. Análisis de la problemática 
3.10.2. Tratamiento de la imagen 
3.10.3. Extracción de características 
3.10.4. Resultados finales 

Módulo 4. Procesado digital de imágenes avanzado

4.1. Reconocimiento óptico de caracteres (OCR) 

4.1.1. Preprocesado de la imagen 
4.1.2. Detección de texto 
4.1.3. Reconocimiento de texto 

4.2. Lectura de códigos 

4.2.1. Códigos 1D 
4.2.2. Códigos 2D 
4.2.3. Aplicaciones 

4.3. Búsqueda de patrones 

4.3.1. Búsqueda de patrones 
4.3.2. Patrones basados en nivel de gris 
4.3.3. Patrones basados en contornos 
4.3.4. Patrones basados en formas geométricas 
4.3.5. Otras técnicas

4.4. Seguimiento de objetos con visión convencional 

4.4.1. Extracción de fondo 
4.4.2. Meanshift 
4.4.3. Camshift 
4.4.4. Optical flow 

4.5. Reconocimiento facial 

4.5.1. Facial Landmark Detection 
4.5.2. Aplicaciones 
4.5.3. Reconocimiento facial 
4.5.4. Reconocimiento de emociones

4.6. Panorámica y alineaciones 

4.6.1. Stitching 
4.6.2. Composición de imágenes 
4.6.3. Fotomontaje 

4.7. High Dinamic Range (HDR) and Photometric Stereo 

4.7.1. Incremento del rango dinámico 
4.7.2. Composición de imágenes para mejorar contornos 
4.7.3. Técnicas para el uso de aplicaciones en dinámico 

4.8. Compresión de imágenes 

4.8.1. La compresión de imágenes 
4.8.2. Tipos de compresores 
4.8.3. Técnicas de compresión de imágenes 

4.9. Procesado de video 

4.9.1. Secuencias de imágenes 
4.9.2. Formatos y códecs de video 
4.9.3. Lectura de un video
4.9.4. Procesado del fotograma 

4.10. Aplicación real de Procesado de Imágenes 

4.10.1. Análisis de la problemática 
4.10.2. Tratamiento de la imagen 
4.10.3. Extracción de características 
4.10.4. Resultados finales 

Módulo 5. Procesado de imágenes 3D

5.1. Imagen 3D 

5.1.1. Imagen 3D 
5.1.2. Software de procesado de imágenes 3d y Visualizaciones 
5.1.3. Software de Metrología

5.2. Open3D 

5.2.1. Librería para Proceso de Datos 3D 
5.2.2. Características 
5.2.3. Instalación y Uso 

5.3. Los datos 

5.3.1. Mapas de profundidad en imagen 2D 
5.3.2. Pointclouds 
5.3.3. Normales 
5.3.4. Superficies

5.4. Visualización 

5.4.1. Visualización de Datos 
5.4.2. Controles 
5.4.3. Visualización Web 

5.5. Filtros 

5.5.1. Distancia entre puntos, eliminar Outliers 
5.5.2. Filtro paso alto 
5.5.3. Downsampling 

5.6. Geometría y extracción de características 

5.6.1. Extracción de un perfil 
5.6.2. Medición de profundidad 
5.6.3. Volumen 
5.6.4. Formas geométricas 3D 
5.6.5. Planos 
5.6.6. Proyección de un punto 
5.6.7. Distancias geométricas 
5.6.8. Kd Tree 
5.6.9. Features 3D 

5.7. Registro y Meshing 

5.7.1. Concatenación 
5.7.2. ICP 
5.7.3. Ransac 3D 

5.8. Reconocimiento de objetos 3D 

5.8.1. Búsqueda de un objeto en la escena 3d
5.8.2. Segmentación 
5.8.3. Bin picking 

5.9. Análisis de superficies 

5.9.1. Smoothing 
5.9.2. Superficies orientables 
5.9.3. Octree 

5.10. Triangulación 

5.10.1. De Mesh a Point Cloud 
5.10.2. Triangulación de mapas de profundidad 
5.10.3. Triangulación de PointClouds no ordenados 

Módulo 6. Deep Learning

6.1. Inteligencia artificial 

6.1.1. Machine Learning 
6.1.2. Deep Learning 
6.1.3. La explosión del Deep Learning. Por qué ahora

6.2. Redes neuronales 

6.2.1. La red neuronal 
6.2.2. Usos de las redes neuronales 
6.2.3. Regresión lineal y Perceptron 
6.2.4. Forward Propagation 
6.2.5. Backpropagation 
6.2.6. Feature vectors 

6.3. Loss Functions 

6.3.1. Loss function 
6.3.2. Tipos de Loss Functions 
6.3.3. Elección de la Loss function 

6.4. Funciones de activación 

6.4.1. Función de activación 
6.4.2. Funciones lineales 
6.4.3. Funciones no lineales 
6.4.4. Output vs Hidden layer activation functions 

6.5. Regularización y Normalización 

6.5.1. Regularización y Normalización 
6.5.2. Overfitting and Data Augmentation 
6.5.3. Regularization methods: L1, L2 and dropout 
6.5.4. Normalization methods: Batch, Weight, Layer

6.6. Optimización 

6.6.1. Gradient Descent 
6.6.2. Stochastic Gradient Descent 
6.6.3. Mini Batch Gradient Descent 
6.6.4. Momentum 
6.6.5. Adam 

6.7. Hyperparameter Tuning y Pesos 

6.7.1. Los hiperparámetros 
6.7.2. Batch Size vs Learning Rate vs Step Decay 
6.7.3. Pesos 

6.8. Métricas de evaluación de una red neuronal 

6.8.1. Accuracy 
6.8.2. Dice coefficient 
6.8.3. Sensitivity vs Specificity / Recall vs precision 
6.8.4. Curva ROC (AUC) 
6.8.5. F1-score 
6.8.6. Confusion matrix 
6.8.7. Cross-validation 

6.9. Frameworks y Hardware

6.9.1. Tensor Flow 
6.9.2. Pytorch 
6.9.3. Caffe 
6.9.4. Keras 
6.9.5. Hardware para la Fase de Entrenamiento

6.10. Creación de una Red Neuronal - Entrenamiento y Validación 

6.10.1. Dataset 
6.10.2. Construcción de la red 
6.10.3. Entrenamiento 
6.10.4. Visualización de resultados

Módulo 7. Redes Convolucionales y Clasificación de Imágenes 

7.1. Redes neuronales convolucionales

7.1.1. Introducciónn 
7.1.2. La convolución
7.1.3. CNN Building Blocks

7.2. Tipos de capas CNN 

7.2.1. Convolutional 
7.2.2. Activation 
7.2.3. Batch normalization 
7.2.4. Polling 
7.2.5. Fully connected 

7.3. Métricas 

7.3.1. Confusión Matrix 
7.3.2. Accuracy 
7.3.3. Precisión 
7.3.4. Recall 
7.3.5. F1 Score 
7.3.6. ROC Curve 
7.3.7. AUC 

7.4. Principales arquitecturas

7.4.1.AlexNet 
7.4.2. VGG 
7.4.3. Resnet 
7.4.4. GoogleLeNet 

7.5. Clasificación de imágenes 

7.5.1. Introducción 
7.5.2. Análisis de los datos 
7.5.3. Preparación de los datos 
7.5.4. Entrenamiento del modelo 
7.5.5. Validación del modelo 

7.6. Consideraciones prácticas para el entrenamiento de CNN 

7.6.1. Selección de optimizador 
7.6.2. Learning Rate Scheduler 
7.6.3. Comprobar pipeline de entrenamiento 
7.6.4. Entrenamiento con regularización 

7.7. Buenas prácticas en Deep Learning 

7.7.1. Transfer learning 
7.7.2. Fine Tuning 
7.7.3. Data Augmentation 

7.8. Evaluación estadística de datos 

7.8.1. Número de datasets 
7.8.2. Número de etiquetas 
7.8.3. Número de imágenes 
7.8.4. Balanceo de datos 

7.9. Deployment 

7.9.1. Guardando y cargando modelos 
7.9.2. Onnx 
7.9.3. Inferencia 

7.10. Caso Práctico: Clasificación de Imágenes 

7.10.1. Análisis y preparación de los datos 
7.10.2. Testeo de la pipeline de entrenamiento 
7.10.3. Entrenamiento del modelo 
7.10.4. Validación del modelo 

Módulo 8. Detección de objetos

8.1. Detección y Seguimiento de Objetos 

8.1.1. Detección de Objetos 
8.1.2. Casos de uso 
8.1.3. Seguimiento de objetos 
8.1.4. Casos de uso 
8.1.5. Oclusiones, Rigid and No Rigid Poses 

8.2. Métricas de Evaluación

8.2.1. IOU - Intersection Over Union 
8.2.2. Confidence Score 
8.2.3. Recall 
8.2.4. Precisión 
8.2.5. Recall - Precisión Curve 
8.2.6. Mean Average Precision (MAP)

8.3. Métodos tradicionales 

8.3.1. Sliding window 
8.3.2. Viola detector 
8.3.3. HOG 
8.3.4. Non Maximal Supresion (NMS) 

8.4. Datasets

8.4.1. Pascal VC 
8.4.2. MS Coco 
8.4.3. ImageNet (2014) 
8.4.4. MOTA Challenge 

8.5. Two Shot Object Detector 

8.5.1. R-CNN 
8.5.2. Fast R-CNN 
8.5.3. Faster R-CNN 
8.5.4. Mask R-CNN 

8.6. Single Shot Object Detector 

8.6.1. SSD 
8.6.2. YOLO 
8.6.3. RetinaNet 
8.6.4. CenterNet 
8.6.5. EfficientDet

8.7. Backbones 

8.7.1. VGG 
8.7.2. ResNet 
8.7.3. Mobilenet 
8.7.4. Shufflenet 
8.7.5. Darknet 

8.8. Object Tracking 

8.8.1. Enfoques clásicos 
8.8.2. Filtros de partículas 
8.8.3. Kalman 
8.8.4. Sort tracker 
8.8.5. Deep Sort

8.9. Despliegue 

8.9.1. Plataforma de Computación 
8.9.2. Elección del Backbone 
8.9.3. Elección del Framework 
8.9.4. Optimización de Modelos 
8.9.5. Versionado de Modelos 

8.10. Estudio: Detección y Seguimiento de Personas 

8.10.1. Detección de personas 
8.10.2. Seguimiento de personas 
8.10.3. Reidentificación 
8.10.4. Conteo de personas en multitudes 

Módulo 9. Segmentación de Imágenes con Deep Learning

9.1. Detección de Objetos y Segmentación

9.1.1. Segmentación semántica

9.1.1.1. Casos de uso de segmentación semántica

9.1.2. Segmentación Instanciada 

9.1.2.1. Casos de uso segmentación instanciada

9.2. Métricas de evaluación 

9.2.1. Similitudes con otros métodos 
9.2.2. Pixel Accuracy 
9.2.3. Dice Coefficient (F1 Score)

9.3. Funciones de coste 

9.3.1. Dice Loss 
9.3.2. Focal Loss 
9.3.3. Tversky Loss 
9.3.4. Otras funciones 

9.4. Métodos tradicionales de Segmentación 

9.4.1. Aplicación de umbral con Otsu y Riddlen 
9.4.2. Mapas auto organizados 
9.4.3. GMM-EM algorithm 

9.5. Segmentación Semántica aplicando Deep Learning: FCN 

9.5.1. FCN 
9.5.2. Arquitectura 
9.5.3. Aplicaciones de FCN 

9.6. Segmentación semántica aplicando Deep Learning: U-NET 

9.6.1. U-NET 
9.6.2. Arquitectura 
9.6.3. Aplicación U-NET 

9.7. Segmentación semántica aplicando Deep Learning: Deep Lab 

9.7.1. Deep Lab 
9.7.2. Arquitectura 
9.7.3. Aplicación de Deep Lab 

9.8. Segmentación instanciada aplicando Deep Learning: Mask RCNN 

9.8.1. Mask RCNN 
9.8.2. Arquitectura 
9.8.3. Aplicación de un Mas RCNN 

9.9. Segmentación en videos 

9.9.1. STFCN 
9.9.2. Semantic Video CNNs 
9.9.3. Clockwork Convnets 
9.9.4. Low-Latency 

9.10. Segmentación en nubes de puntos 

9.10.1. La nube de puntos 
9.10.2. PointNet 
9.10.3. A-CNN 

Módulo 10. Segmentación de Imágenes Avanzada y Técnicas Avanzadas de Visión por Computador

10.1. Base de datos para problemas de Segmentación General

10.1.1. Pascal Context 
10.1.2. CelebAMask-HQ 
10.1.3. Cityscapes Dataset 
10.1.4. CCP Dataset

10.2. Segmentación Semántica en la Medicina 

10.2.1. Segmentación Semántica en la Medicina 
10.2.2. Datasets para problemas médicos 
10.2.3. Aplicación práctica 

10.3. Herramientas de anotación 

10.3.1. Computer Vision Annotation Tool 
10.3.2. LabelMe 
10.3.3. Otras herramientas 

10.4. Herramientas de Segmentación usando diferentes frameworks 

10.4.1. Keras 
10.4.2. Tensorflow v2 
10.4.3. Pytorch 
10.4.4. Otros

10.5. Proyecto Segmentación semántica. Los datos, Fase 1

10.5.1. Análisis del problema 
10.5.2. Fuente de entrada para datos 
10.5.3. Análisis de datos 
10.5.4. Preparación de datos

10.6. Proyecto Segmentación semántica. Entrenamiento, Fase 2 

10.6.1. Selección del algoritmo 
10.6.2. Entrenamiento 
10.6.3. Evaluación

10.7. Proyecto Segmentación semántica. Resultados, Fase 3

10.7.1. Ajuste fino 
10.7.2. Presentación de la solución 
10.7.3. Conclusiones

10.8. Autocodificadores 

10.8.1. Autocodificadores 
10.8.2. Arquitectura de un Autocodificador 
10.8.3. Autocodificadores de Eliminación de Ruido 
10.8.4. Autocodificador de Coloración Automática 

10.9. Las Redes Generativas Adversariales (GAN)

10.9.1. Redes Generativas Adversariales (GAN) 
10.9.2. Arquitectura DCGAN
10.9.3. Arquitectura GAN Condicionada 

10.10. Redes Generativas Adversariales Mejoradas 

10.10.1. Visión general del problema 
10.10.2. WGAN 
10.10.3. LSGAN 
10.10.4. ACGAN

Módulo 11. La Industria del 3D 

11.1. Industria del 3D en Animación y Videojuegos 

11.1.1. La Animación 3D 
11.1.2. Industria del 3D en Animación y Videojuegos 
11.1.3. La Animación 3D. Futuro 

11.2. El 3D en los Videojuegos 

11.2.1. Los Videojuegos. Limitaciones 
11.2.2. Desarrollo de un videojuego 3D. Dificultades 
11.2.3. Soluciones a las dificultades en el desarrollo de un videojuego 

11.3. Software para 3D en videojuegos 

11.3.1. Maya. Pros y contras
11.3.2. 3Ds Max. Pros y contras
11.3.3. Blender. Pros y contras 

11.4. Pipeline en la generación de assets 3D para Videojuegos 

11.4.1. Idea y montaje a partir de un Modelsheet 
11.4.2. Modelado con baja geometría y detalles en alta 
11.4.3. Proyección de detalles por texturas 

11.5. Estilos artísticos clave en el 3D para videojuegos 

11.5.1. Estilo cartoon 
11.5.2. Estilo realista 
11.5.3. Cel shading 
11.5.4. Motion capture 

11.6. Integración de 3D 

11.6.1. Integración 2d en el mundo digital 
11.6.2. Integración 3d en el mundo digital 
11.6.3. Integración en el mundo real (AR, MR/XR)

11.7. Factores clave del 3D para diferentes industrias

11.7.1. 3D en cine y series
11.7.2. 3D en videojuegos
11.7.3. 3D en publicidad 

11.8. Render: Render en tiempo real y el pre-renderizado 

11.8.1. Iluminación 
11.8.2. Definición de sombras 
11.8.3. Calidad vs. Velocidad 

11.9. Generación de assets 3D en 3D Max 

11.9.1. Software 3D Max 
11.9.2. Interface, menús, barra de herramientas 
11.9.3. Controles 
11.9.4. Escena
11.9.5. Viewports 
11.9.6. Basic shapes 
11.9.7. Generación, modificación y transformación de objetos 
11.9.8. Creación de una escena 3D 
11.9.9. Modelado 3D de assets profesionales para videojuegos 
11.9.10. Editores de materiales 

11.9.10.1. Creación y edición de materiales
11.9.10.2. Aplicación de la luz a los materiales 
11.9.10.3. Modificador UVW Map. Coordenadas de mapeado
11.9.10.4. Creación de texturas 

11.10. Organización del espacio de trabajo y buenas prácticas 

11.10.1. Creación de un proyecto
11.10.2. Estructura de carpetas
11.10.3. Funcionalidad personalizada 

Módulo 12. Arte y 3D en la Industria del Videojuego 

12.1. Proyectos 3D en VR 

12.1.1. Software de creación de malla 3D
12.1.2. Software de edición de imagen 
12.1.3. Realidad Virtual 

12.2. Problemática típica, soluciones y necesidades del proyecto 

12.2.1. Necesidades del Proyecto
12.2.2. Posibles problemas
12.2.3. Soluciones 

12.3. Estudio de línea estética para la generación del estilo artístico en videojuegos: Del diseño de juego a la generación de arte 3D 

12.3.1. Elección del Destinatario del videojuego. A quién queremos llegar 
12.3.2. Posibilidades artísticas del desarrollador
12.3.3. Definición final de la línea estética 

12.4. Búsqueda de referencias y análisis de competidores a nivel estético 

12.4.1. Pinterest y páginas similares 
12.4.2. Creación de un Modelsheet
12.4.3. Búsqueda de competidores 

12.5. Creación de la biblia y briefing 

12.5.1. Creación de la Biblia 
12.5.2. Desarrollo de una biblia 
12.5.3. Desarrollo de un briefing 

12.6. Escenarios y assets 

12.6.1. Planificación de producción de los assets en los niveles 
12.6.2. Diseño de los escenarios 
12.6.3. Diseño de los assets 

12.7. Integración de los assets en los niveles y pruebas 

12.7.1. Proceso de integración en los niveles 
12.7.2. Texturas 
12.7.3. Retoques finales 

12.8. Personajes 

12.8.1. Planificación de producción de personajes 
12.8.2. Diseño de los personajes 
12.8.3. Diseño de assets para personajes 

12.9. Integración de personajes en escenarios y pruebas 

12.9.1. Proceso de integración de personajes en los niveles
12.9.2. Necesidades del proyecto 
12.9.3. Animaciones 

12.10. Audio en videojuegos 3D 

12.10.1. Interpretación del dossier del proyecto para la generación de la identidad sonora del videojuego 
12.10.2. Procesos de composición y producción 
12.10.3. Diseño de banda sonora 
12.10.4. Diseño de efectos de sonido 
12.10.5. Diseño de voces 

Módulo 13. 3D Avanzado 

13.1. Técnicas avanzadas de modelado 3D 

13.1.1. Configuración de la interfaz
13.1.2. Observación para Modelar
13.1.3. Modelado en alta 
13.1.4. Modelado orgánico para videojuegos 
13.1.5. Mapeado avanzado de objetos 3D 

13.2. Texturing 3D avanzado 

13.2.1. Interfaz de Substance Painter
13.2.2. Materiales, alphas y el uso de pinceles
13.2.3. Uso de partículas 

13.3. Exportación para software 3D y Unreal Engine 

13.3.1. Integración de Unreal Engine en los diseños 
13.3.2. Integración de modelos 3D
13.3.3. Aplicación de texturas en Unreal Engine 

13.4. Sculpting digital 

13.4.1. Sculpting digital con zBrush 
13.4.2. Primeros pasos en Zbrush
13.4.3. Interfaz, menús y navegación 
13.4.4. Imágenes de referencia 
13.4.5. Modelado completo en 3D de un objeto en zBrush 
13.4.6. Uso de mallas base 
13.4.7. Modelado por piezas 
13.4.8. Exportación de modelos 3D en zBrush 

13.5. El uso de Polypaint 

13.5.1. Pinceles avanzados 
13.5.2. Texturas 
13.5.3. Materiales por defecto 

13.6. La Retopología 

13.6.1. La retopología. Utilización en la industria del videojuego 
13.6.2. Creación de malla low-poly 
13.6.3. Uso del software para la retopología 

13.7. Posados de los modelos 3D 

13.7.1. Visualizadores de imágenes de referencia
13.7.2. Utilización de transpose 
13.7.3. Uso del transpose para modelos compuestos por diferentes piezas 

13.8. La exportación de modelos 3D 

13.8.1. Exportación de modelos 3D 
13.8.2. Generación de texturas para la exportación 
13.8.3. Configuración del modelo 3d con los diferentes materiales y texturas 
13.8.4. Previsualización del modelo 3D 

13.9. Técnicas avanzadas de trabajo 

13.9.1. El flujo de trabajo en modelado 3D 
13.9.2. Organización de los procesos de trabajo en modelado 3D 
13.9.3. Estimaciones de esfuerzo para producción 

13.10. Finalización del modelo y exportación para otros programas 

13.10.1. El flujo de trabajo para finalizar el modelo 
13.10.2. Exportación con Zpluging 
13.10.3. Posibles archivos. Ventajas y desventajas 

Módulo 14. Animación 3D 

14.1. Manejo del software 

14.1.1. Manejo de información y metodología de trabajo 
14.1.2. La animación 
14.1.3. Timing y peso
14.1.4. Animación con objetos básicos
14.1.5. Cinemática directa e inversa
14.1.6. Cinemática inversa
14.1.7. Cadena cinemática 

14.2. Anatomía. Bípedo vs. cuadrúpedo 

14.2.1. Bípedo 
14.2.2. Cuadrúpedo 
14.2.3. Ciclo de caminar 
14.2.4. Ciclo de correr 

14.3. Rig facial y Morpher 

14.3.1. Lenguaje facial. Lip-sync, ojos, focos de atención 
14.3.2. Edición de secuencias 
14.3.3. La fonética. Importancia 

14.4. Animación aplicada 

14.4.1. Animación 3D para cine y televisión 
14.4.2. Animación para videojuegos 
14.4.3. Animación para otras aplicaciones 

14.5. Captura de movimiento con Kinect 

14.5.1. Captura de movimientos para animación 
14.5.2. Secuencia de movimientos 
14.5.3. Integración en Blender 

14.6. Esqueleto, skinning y setup 

14.6.1. Interacción entre esqueleto y geometría 
14.6.2. Interpolación de mallas 
14.6.3. Pesos de animación 

14.7. Acting 

14.7.1. El lenguaje corporal 
14.7.2. Las poses 
14.7.3. Edición de secuencias 

14.8. Cámaras y planos 

14.8.1. La cámara y el entorno 
14.8.2. Composición del plano y los personajes 
14.8.3. Acabados 

14.9. Efectos visuales especiales 

14.9.1. Los efectos visuales y la animación 
14.9.2. Tipos de efectos ópticos 
14.9.3. 3D VFX L 

14.10. El animador como actor 

14.10.1. Las expresiones 
14.10.2. Referencias de los actores 
14.10.3. De la cámara al programa 

Módulo 15. Dominio de Unity 3D e Inteligencia Artificial 

15.1. El Videojuego. Unity 3D 

15.1.1. El videojuego 
15.1.2. EL Videojuego. Errores y Aciertos 
15.1.3. Aplicaciones del Videojuego en otras áreas e industrias 

15.2. Desarrollo de los videojuegos. Unity 3D 

15.2.1. Plan de producción y fases de desarrollo 
15.2.2. Metodología de desarrollo 
15.2.3. Parches y contenido adicional 

15.3. Unity 3D 

15.3.1. Unity 3D. Aplicaciones
15.3.2. Scripting en Unity 3D 
15.3.3. Asset Store y plugins de terceros 

15.4. Físicas, inputs 

15.4.1. InputSystem 
15.4.2. Físicas en Unity 3D
15.4.3. Animation y animator 

15.5. Prototipado en Unity

15.5.1. Blocking y colliders 
15.5.2. Prefabs 
15.5.3. Scriptable Objects 

15.6. Técnicas de programación específicas 

15.6.1. Modelo Singleton 
15.6.2. Carga de recursos en la ejecución de juegos en Windows 
15.6.3. Rendimiento y Profiler 

15.7. Videojuegos para dispositivos móviles 

15.7.1. Juegos para dispositivos Android
15.7.2. Juegos para dispositivos IOS 
15.7.3. Desarrollos multiplataforma 

15.8. Realidad Aumentada 

15.8.1. Tipos de juegos de realidad aumentada 
15.8.2. ARkit y ARcore 
15.8.3. Desarrollo Vuforia 

15.9. Programación de Inteligencia Artificial 

15.9.1. Algoritmos de inteligencia artificial
15.9.2. Máquinas de estados finitas 
15.9.3. Redes neuronales 

15.10. Distribución y Marketing 

15.10.1. El arte de publicar y promocionar un videojuego 
15.10.2. El responsable del éxito 
15.10.3. Estrategias 

Módulo 16. Desarrollo de videojuegos 2D y 3D 

16.1. Recursos gráficos rasterizados 

16.1.1. Sprites 
16.1.2. Atlas 
16.1.3. Texturas 

16.2. Desarrollo de Interfaces y Menús 

16.2.1. Unity GUI 
16.2.2. Unity UI 
16.2.3. UI Toolkit 

16.3. Sistema de Animación 

16.3.1. Curvas y Claves de animación 
16.3.2. Eventos de animación aplicados 
16.3.3. Modificadores 

16.4. Materiales y shaders 

16.4.1. Componentes de un material 
16.4.2. Tipos de RenderPass 
16.4.3. Shaders 

16.5. Partículas 

16.5.1. Sistemas de partículas 
16.5.2. Emisores y subemisores
16.5.3. Scripting 
16.5.4. Iluminación 

16.6. Modos de iluminación 

16.6.1. Bakeado de luces 
16.6.2. Light probes 

16.7. Mecanim 

16.7.1. State Machines, SubState Machines y Transiciones entre animaciones 
16.7.2. Blend trees 
16.7.3. Animation Layers e IK 

16.8. Acabado cinemático 

16.8.1. Timeline 
16.8.2. Efectos de postprocesado 
16.8.3. Universal Render Pipeline y High Definition Render Pipeline 

16.9. VFX avanzado 

16.9.1. VFX Graph 
16.9.2. Shader Graph 
16.9.3. Pipeline tolos 

16.10. Componentes de Audio 

16.10.1. Audio Source y Audio Listener 
16.10.2. Audio Mixer 
16.10.3. Audio Spatializer 

Módulo 17. Programación, generación de mecánicas y técnicas de prototipado de videojuegos 

17.1. Proceso técnico 

17.1.1. Modelos lowpoly y highpoly a Unity 
17.1.2. Configuración de materiales 
17.1.3. High Definition Render Pipeline 

17.2. Diseño de personajes 

17.2.1. Movimiento 
17.2.2. Diseño de colliders 
17.2.3. Creación y comportamiento 

17.3. Importación de Skeletal Meshes a Unity 

17.3.1. Exportación skeletal meshes del software de 3D
17.3.2. Skeletal meshes en Unity
17.3.3. Puntos de anclaje para accesorios 

17.4. Importación de animaciones 

17.4.1. Preparación de animación 
17.4.2. Importación de animaciones 
17.4.3. Animator y transiciones 

17.5. Editor de animaciones 

17.5.1. Creación de blend spaces 
17.5.2. Creación de animation montage 
17.5.3. Edición de animaciones read-only 

17.6. Creación y simulación de un ragdoll 

17.6.1. Configuración de un ragdoll 
17.6.2. Ragdoll a un gráfico de animación 
17.6.3. Simulación de un ragdoll 

17.7. Recursos para la creación de personajes 

17.7.1. Bibliotecas 
17.7.2. Importación y exportación de materiales de bibliotecas 
17.7.3. Manipulación de materiales 

17.8. Equipos de trabajo 

17.8.1. Jerarquía y roles de trabajo 
17.8.2. Sistemas de control de versiones 
17.8.3. Resolución de conflictos 

17.9. Requisitos para un desarrollo exitoso 

17.9.1. Producción para el éxito 
17.9.2. Desarrollo óptimo 
17.9.3. Requisitos imprescindibles 

17.10. Empaquetado para publicación 

17.10.1. Player settings 
17.10.2. Build 
17.10.3. Creación de un instalador 

Módulo 18. Desarrollo de Videojuegos Inmersivos en VR 

18.1. Singularidad de la VR 

18.1.1. Videojuegos Tradicionales y VR. Diferencias 
18.1.2. Motion sickness: fluidez frente a efectos 
18.1.3. Interacciones únicas de la VR 

18.2. Interacción 

18.2.1. Eventos 
18.2.2. Triggers físicos 
18.2.3. Mundo virtual vs mundo real 

18.3. Locomoción inmersiva 

18.3.1. Teletransportación 
18.3.2. Arm swinging 
18.3.3. Forward movement con Facing y sin él 

18.4. Físicas en VR 

18.4.1. Objetos agarrables y lanzables 
18.4.2. Peso y masa en VR 
18.4.3. Gravedad en VR 

18.5. UI en VR 

18.5.1. Posicionamiento y curvatura de los elementos de UI 
18.5.2. Modos de Interacción con menús en VR 
18.5.3. Buenas prácticas para una experiencia confortable 

18.6. Animación en VR 

18.6.1. Integración de modelos animados en VR 
18.6.2. Objetos y personajes animados vs. Objetos físicos 
18.6.3. Transiciones animadas vs procedurales 

18.7. El Avatar 

18.7.1. Representación del avatar desde sus propios ojos 
18.7.2. Representación externa del propio avatar 
18.7.3. Cinemática inversa y animación procedural aplicada al avatar 

18.8. Audio 

18.8.1. Configuración de Audio Sources y Audio Listeners para VR 
18.8.2. Efectos disponibles para una experiencia más inmersiva 
18.8.3. Audio Spatializer VR 

18.9. Optimización en proyectos de VR y AR 

18.9.1. Occlusion culling 
18.9.2. Static Batching 
18.9.3. Configuración de calidad y tipos de Render Pass 

18.10. Práctica: Escape Room VR 

18.10.1. Diseño de la experiencia 
18.10.2. Layout del escenario 
18.10.3. Desarrollo de las mecánicas 

Módulo 19. Audio Profesional para Videojuegos 3d en VR 

19.1. El Audio en videojuegos profesionales 3D 

19.1.1. El audio en videojuegos
19.1.2. Tipos de estilos de audio en videojuegos actuales 
19.1.3. Modelos de audio espacial 

19.2. Estudio de material previo 

19.2.1. Estudio de la documentación de diseño de juego
19.2.2. Estudio de la documentación de diseño de niveles 
19.2.3. Evaluación de la complejidad y tipología de proyecto para crear el audio 

19.3. Estudio de referencias de sonido 

19.3.1. Listado de referencias principales por similitud con el proyecto 
19.3.2. Referencias auditivas de otros medios para dotar al videojuego de identidad
19.3.3. Estudio de las referencias y extracción de conclusiones 

19.4. Diseño de la identidad sonora del videojuego 

19.4.1. Factores principales que influencian el proyecto 
19.4.2. Aspectos relevantes en la composición del audio: instrumentación, tempo, otros 
19.4.3. Definición de voces 

19.5. Creación de banda sonora 

19.5.1. Listado de entornos y audios 
19.5.2. Definición de motivo, temática e instrumentación 
19.5.3. Composición y pruebas de audio en prototipos funcionales 

19.6. Creación de efectos de sonido (FX) 

19.6.1. Efectos de sonido: tipos de FX y listado completo según necesidades del proyecto 
19.6.2. Definición de motivo, temática y creación 
19.6.3. Evaluación de FX de sonido y pruebas en prototipos funcionales 

19.7. Creación de voces 

19.7.1. Tipos de voces y listado de frases 
19.7.2. Búsqueda y evaluación de actores y actrices de doblaje 
19.7.3. Evaluación de grabaciones y pruebas de las voces en prototipos funcionales 

19.8. Evaluación de la calidad del audio 

19.8.1. Elaboración de sesiones de escucha con el equipo de desarrollo 
19.8.2. Integración de todos los audios en un prototipo funcional 
19.8.3. Pruebas y evaluación de los resultados obtenidos 

19.9. Exportación, formatos e importación de audio en el proyecto 

19.9.1. Formatos y compresión de audio en videojuegos 
19.9.2. Exportación de audios 
19.9.3. Importación de audios en el proyecto 

19.10. Preparación de librerías de audio para comercialización 

19.10.1. Diseño de librerías de sonido versátiles para profesionales de los videojuegos 
19.10.2. Selección de audios por tipo: banda sonora, FX y voces 
19.10.3. Comercialización de librerías de assets de audio 

Módulo 20. Producción y financiación de videojuegos 

20.1. La producción en videojuegos 

20.1.1. Las metodologías en cascada 
20.1.2. Casuística de la falta de dirección de Proyecto y la ausencia del plan de trabajo 
20.1.3. Consecuencias de la falta de un departamento de producción en la industria del videojuego 

20.2. El equipo de desarrollo 

20.2.1. Departamentos clave a la hora de desarrollar proyectos 
20.2.2. Perfiles clave en la micro gestión: LEAD y SENIOR 
20.2.3. Problemática de la falta de experiencia en perfiles JUNIOR 
20.2.4. Establecimiento de plan de formación para perfiles de baja experiencia 

20.3. Metodologías ágiles en el desarrollo de videojuegos 

20.3.1. SCRUM 
20.3.2. AGILE 
20.3.3. Metodologías híbridas 

20.4. Estimaciones de esfuerzo, tiempo y costes 

20.4.1. El precio del desarrollo de un videojuego: conceptos Gastos principales 
20.4.2. Calendarización de tareas: puntos críticos, claves y aspectos a tener en cuenta 
20.4.3. Estimaciones basadas en puntos de esfuerzo VS cálculo en horas 

20.5. Priorización en la planificación de prototipos 

20.5.1. Establecimiento de objetivos generales del Proyecto 
20.5.2. Priorización de funcionalidades y contenidos clave: orden y necesidades según el departamento 
20.5.3. Agrupación de funcionalidades y contenidos en producción para constituir entregables (prototipos funcionales) 

20.6. Buenas prácticas en la producción de videojuegos 

20.6.1. Reuniones, daylies, weekly meeting, reuniones de final de sprint, reuniones de comprobación de resultados en hitos ALFA, BETA y RELEASE. 
20.6.2. Medición de la velocidad de Sprint 
20.6.3. Detección de falta de motivación y baja productividad y anticipación a posibles problemas en producción 

20.7. Análisis en producción 

20.7.1. Análisis previos I: revisión del estado del mercado 
20.7.2. Análisis previos 2: establecimiento de principales referentes de proyecto (competidores directos) 
20.7.3. Conclusiones de los análisis previos 

20.8. Cálculo de costes de desarrollo 

20.8.1. Recursos humanos 
20.8.2. Tecnología y licencias 
20.8.3. Gastos externos al desarrollo 

20.9. Búsqueda de inversión 

20.9.1. Tipos de inversores 
20.9.2. Resumen ejecutivo 
20.9.3. Pitch deck 
20.9.4. Publishers 
20.9.5. Autofinanciación 

20.10. Elaboración de Post Mortems de proyecto 

20.10.1. Proceso de elaboración del Post Mortem en la empresa 
20.10.2. Análisis de puntos positivos del proyecto 
20.10.3. Estudio de puntos negativos del proyecto 
20.10.4. Propuesta de mejora sobre los puntos negativos del proyecto y conclusiones 

Con los conocimientos avanzados que adquirirás en este Grand Máster podrás acceder a puestos de trabajo en las mejores empresas de videojuegos y diseño 3D”