Si busca lograr la excelencia profesional, únase a nosotros y le ayudaremos a conseguirlo”

Capacitarse y especializarse en computación cuántica es una apuesta ganadora. Lo es hoy y, sin duda, lo será incluso de una forma más rotunda en el futuro. Un área clave de interés y donde la computación cuántica está resultando más eficiente es en el campo del Machine Learning y su aplicación en problemas reales proactivos, predictivos y prescriptivos.

Este Experto Universitario analiza en qué situaciones se podría lograr una ventaja cuántica en el contexto de la analítica avanzada y la inteligencia artificial para el mundo de la ingeniería. El objetivo es mostrar qué beneficios pueden proporcionar las tecnologías cuánticas actuales y futuras al aprendizaje automático, centrándose en algoritmos como los modelos basados en Kernel, la optimización y las redes convolucionales.

Además, en esta capacitación el egresado analizará los principales casos de uso que existen para la visión por ordenador: clasificación, detección de objetos, identificación de objetos, seguimiento de objetos. Asimismo, a través del recurso Transfer Learning, examinará qué modelos de redes están disponibles actualmente para poder facilitar el entrenamiento del modelo, aplicando esta técnica a su proyecto industrial.

Al tratarse de un Experto Universitario 100% online, el alumno no está condicionado por horarios fijos ni por la necesidad de trasladarse a otro lugar físico. Mediante un dispositivo con acceso a internet, podrá consultar el nutrido contenido que le ayudará a adquirir técnicas de computación cuántica, para alcanzar la élite en el sector de la informática. Todo ello, en cualquier momento del día, compaginando, a su ritmo, su vida laboral y personal con la académica.

Está ante una titulación que le llevará de forma progresiva y constante hasta la adquisición de los conocimientos y competencias que necesita” 

Este Experto Universitario en Visión Artificial y Computación Cuántica contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Visión Artificial y Computación Cuántica
• Los contenidos gráficos, esquemáticos y eminentemente prácticos, con los que está concebido, recogen información 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
• 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

Examinarás qué modelos de redes están disponibles actualmente, para poder facilitarnos el entrenamiento de nuestro modelo aplicando la técnica de Transfer Learning”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación 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 una capacitación inmersiva, programada para entrenarse ante situaciones reales.

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

Aumenta tus habilidades en el desarrollo de soluciones sectoriales con la Visión Artificial y capacítate para el éxito”

Capacitarte y especializarte en computación cuántica es una apuesta ganadora para impulsar tu carrera”

Ingenieros de renombre han seleccionado el mejor material didáctico y han reunido en tres módulos los últimos avances en Visión Artificial y Computación Cuántica. Así, este Experto Universitario recoge desde la construcción de redes neuronales convolucionales, los circuitos cuánticos y los algoritmos de Machine Learning clásicos, hasta el concepto Transfer Learning y la programación de computadores cuánticos, entre otros. Para ello, este programa profundiza en el ámbito de aplicación de cada tecnología en el mundo de la ingeniería, entendiendo las ventajas competitivas en el sector industrial que aportan.

Analice en qué situaciones se podría lograr una ventaja cuántica en el contexto de la analítica avanzada y la inteligencia artificial en el campo industrial”

Módulo 1. I+D+I.A. Computer Vision. Identificación y seguimiento de objetos

1.1. Visión por ordenador

1.1.1. Computer Visión
1.1.2. Visión computacional
1.1.3. Interpretación de las máquinas de una imagen

1.2. Funciones de activación

1.2.1. Funciones de activación
1.2.2. Sigmoide
1.2.3. RELU
1.2.4. Tangente hiperbólica
1.2.5. Softmax

1.3. Construcción de redes neuronales convolucionales

1.3.1. Operación de convolución
1.3.2. Capa ReLU
1.3.3. Pooling
1.3.4. Flattering
1.3.5. Full Connection

1.4. Proceso de la convolución

1.4.1. Funcionamiento de una convolución
1.4.2. Código de la convolución
1.4.3. Convolución. Aplicación

1.5. Transformaciones con imágenes

1.5.1. Transformaciones con imágenes
1.5.2. Transformaciones avanzadas
1.5.3. Transformaciones con imágenes. Aplicación
1.5.4. Transformaciones con imágenes. Use Case

1.6. Transfer Learning

1.6.1. Transfer Learning
1.6.2. Transfer Learning. Tipología
1.6.3. Redes profundas para aplicar Transfer Learning

1.7. Computer Vision. Use Case

1.7.1. Clasificación de imágenes
1.7.2. Detección de objetos
1.7.3. Identificación de objetos
1.7.4. Segmentación de objetos

1.8. Detección de objetos

1.8.1. Detección a partir de la convolución
1.8.2. R-CNN, búsqueda selectiva
1.8.3. Detección rápida con YOLO
1.8.4. Otras posibles soluciones

1.9. GAN. Redes generativas antagónicas, o Generative Adversarial Networks

1.9.1. Redes generativas adversales
1.9.2. Código para una GAN
1.9.3. GAN. Aplicación

1.10. Aplicación de modelos de Computer Vision

1.10.1. Organización de contenidos
1.10.2. Motores de búsqueda visual
1.10.3. Reconocimiento facial
1.10.4. Realidad aumentada
1.10.5. Conducción autónoma
1.10.6. Identificación de fallo en cada montaje
1.10.7. Identificación de plagas
1.10.8. Salud

Módulo 2. Quantum Computing. Un nuevo modelo de computación

2.1. Computación cuántica

2.1.1. Diferencias con la computación clásica
2.1.2. Necesidad de la computación cuántica
2.1.3. Ordenadores cuánticos disponibles: naturaleza y tecnología

2.2. Aplicaciones de la computación cuántica

2.2.1. Aplicaciones de la computación cuántica frente a la computación clásica
2.2.2. Contextos de uso
2.2.3. Aplicación en casos reales

2.3. Fundamentos Matemáticos de la Computación Cuántica

2.3.1. Complejidad computacional
2.3.2. Experimento de doble rendija. Partículas y ondas
2.3.3. El entrelazamiento

2.4. Fundamentos Geométricos de la Computación Cuántica

2.4.1. Qubit y espacio de Hilbert Bidimensional complejo
2.4.2. Formalismo General de Dirac
2.4.3. Estados de N-Qubits y espacio de Hilbert de dimensión 2n

2.5. Fundamentos Matemáticos de Álgebra Lineal

2.5.1. El producto interno
2.5.2. Operadores hermitianos
2.5.3. Eigenvalues y Eigenvectors

2.6. Circuitos cuánticos

2.6.1. Los estados de Bell y las matrices de Pauli
2.6.2. Puertas lógicas cuánticas
2.6.3. Puertas de control cuánticas

2.7. Algoritmos cuánticos

2.7.1. Puertas cuánticas reversibles
2.7.2. Transformada de Fourier cuántica
2.7.3. Teleportación cuántica

2.8. Algoritmos que demuestran la supremacía cuántica

2.8.1. Algoritmo de Deutsch
2.8.2. Algoritmo de Shor
2.8.3. Algoritmo de Grover

2.9. Programación de computadores cuánticos

2.9.1. Mi primer programa en Qiskit (IBM)
2.9.2. Mi primer programa en Ocean (Dwave)
2.9.3. Mi primer programa en Cirq (Google)

2.10. Aplicación sobre computadores cuánticos

2.10.1. Creación de Puertas Lógicas

2.10.1.1. Creación de una “Sumadora” Digital Cuántica

2.10.2. Creación de Juegos Cuánticos
2.10.3. Comunicación secreta de claves entre Bob y Alice

Módulo 3. Quantum Machine Learning. La inteligencia artificial (I.A) del futuro

3.1. Algoritmos de Machine Learning Clásicos

3.1.1. Modelos descriptivos, predictivos, proactivos y prescriptivos
3.1.2. Modelos supervisados y no supervisados
3.1.3. Reducción de Características, PCA, Matriz de Covarianza, SVM, Redes neuronales
3.1.4. La optimización en ML: El Descenso del Gradiente

3.2. Algoritmos de Deep Learning clásicos

3.2.1. Redes de Boltzmann. La Revolución en Machine Learning
3.2.2. Modelos de Deep Learning. CNN, LSTM, GANs
3.2.3. Modelos Encoder-Decoder
3.2.4. Modelos de Análisis de Señales. Análisis de Fourier

3.3. Clasificadores cuánticos

3.3.1. Generación de un clasificador cuántico
3.3.2. Codificación de los datos en estados cuánticos por amplitud
3.3.3. Codificación de los datos en estados cuánticos por fase/ángulo
3.3.4. Codificación de alto nivel

3.4. Algoritmos de Optimización

3.4.1. Quantum Approximate Optimization Algorithm (QAOA)
3.4.2. Variational Quantum Eigensolvers (VQE)
3.4.3. Quadratic Unconstrained Binary Optimization (QUBO)

3.5. Algoritmos de Optimización. Ejemplos

3.5.1. PCA con circuitos cuánticos
3.5.2. Optimización de paquetes de valores bursátiles
3.5.3. Optimización de rutas logísticas

3.6. Quantum Kernels Machine Learning

3.6.1. Variational Quantum Classifiers. QKA
3.6.2. Quantum Kernel Machine Learning
3.6.3. Clasificación basada en Quantum Kernel
3.6.4. Clustering basados en Quantum Kernel

3.7. Quantum Neural Networks

3.7.1. Redes neuronales clásicas y el “Perceptrón”
3.7.2. Redes neuronales cuánticas y el “Perceptrón”
3.7.3. Redes neuronales convolucionales cuánticas

3.8. Algoritmos Avanzados de Deep Learning (DL)

3.8.1. Quantum Boltzmann Machines
3.8.2. General Adversarial Networks
3.8.3. Quantum Fourier Transformation, Quantum Phase Estimation and Quantum Matrix

3.9. Machine Learning. Use Case

3.9.1. Experimentación con VQC (Variational Quantum Classifier)
3.9.2. Experimentación con Quantum Neural Networks
3.9.3. Experimentación con qGANS

3.10. Computación cuántica e Inteligencia Artificial

3.10.1. Capacidad Cuántica en Modelos de ML
3.10.2. Quantum Knowledge Graphs
3.10.3. El futuro de la Inteligencia Artificial Cuántica

Estará al día en cuanto a los últimos avances en Visión Artificial y Computación Cuántica en el ámbito de la Ingeniería”