Una titulación universitaria en la que progresarás en la industria de la robótica de la mano de expertos con larga trayectoria profesional”

La movilidad y autonomía de los robots depende en gran parte de la capacidad técnica para mejorar su visión artificial haciendo que sus movimientos sean mucho más precisos y se asemejen cada vez más al del ser humano. Una labor compleja que requiere de profesionales de la Ingeniería altamente cualificados. este Diplomado, impartido por un equipo de expertos en Robótica, ahondará a lo largo de 12 semanas en los algoritmos que permiten el procesamiento y análisis de imágenes en robots.   

Una enseñanza en la que el alumnado adquirirá un conocimiento avanzado y exhaustivo sobre la operación eficaz de los robots móviles en entornos complejos, de la toma de decisiones y de la realización de tareas sin intervención humana, es decir, todo lo que compete a la navegación robótica. Un programa con un enfoque teórico, pero de gran aplicación práctica para que el profesional pueda progresar en un sector en alza en los últimos años gracias a la mejora de las técnicas y las diferentes herramientas digitales avanzadas que permiten la configuración de algoritmos que inciden en la visión artificial.  

Una excelente oportunidad para el profesional de la Ingeniería que desee progresar con una titulación universitaria impartida en su totalidad en modalidad 100% online. Un método de enseñanza que podrá cursar cómodamente y con flexibilidad, ya que para acceder a todo el temario multimedia que conforma este Diplomado, tan solo necesita de un dispositivo con conexión a internet, sin sesiones con horarios fijos y con el contenido completo del programa desde el primer día. Un método que le permitirá compatibilizar sus responsabilidades personales a la par que adquiere una enseñanza que se sitúa a la vanguardia académica.    

Un programa universitario que te aporta el contenido multimedia más innovador en el campo de la robótica y la visión artificial”

Este Diplomado en Algoritmos de Visión Artificial en Robótica: Procesamiento y Análisis de Imágenes contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en ingeniería robótica
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido 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  
• 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 

Una enseñanza que te permitirá controlar las principales herramientas profesionales para la implementación del agente inteligente”

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 Diplomado. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.   

El sistema Relearning de esta enseñanza 100% online te facilitará el aprendizaje y reducirá las largas horas de estudio”

Resuelve los principales problemas de la localización de Robots gracias a este Diplomado. Matricúlate ahora"

Este Diplomado consta de un temario que ha sido elaborado por un equipo docente especializado en el campo de la Robótica, que permitirá al profesional de la Ingeniería profundizar durante 300 horas lectivas en la Visión Artificial. Así, el alumnado adquirirá un conocimiento exhaustivo sobre la visión por computador, los sensores ópticos, las herramientas matemáticas y los distintos métodos de aprendizaje de visión empleados. Los vìdeo resúmenes, las lecturas especializadas y los casos reales aportados por el profesorado servirán para adquirir un aprendizaje integral y ágil.

Los casos reales presentados en este Diplomado te facilitarán la creación de Redes Neuronales en robots”

Módulo 1. Técnicas de Visión Artificial en Robótica: Procesamiento y Análisis de Imágenes 

1.1. La Visión por Computador 

1.1.1. La Visión por Computador 
1.1.2. Elementos de un sistema de Visión por Computador 
1.1.3. Herramientas matemáticas 

1.2. Sensores ópticos para la Robótica 

1.2.1. Sensores ópticos pasivos 
1.2.2. Sensores ópticos activos 
1.2.3. Sensores no ópticos 

1.3. Adquisición de imágenes 

1.3.1. Representación de imágenes 
1.3.2. Espacio de colores 
1.3.3. Proceso de digitalización 

1.4. Geometría de las imágenes 

1.4.1. Modelos de lentes 
1.4.2. Modelos de cámaras 
1.4.3. Calibración de cámaras 

1.5. Herramientas matemáticas 

1.5.1. Histograma de una imagen 
1.5.2. Convolución 
1.5.3. Transformada de Fourier 

1.6. Preprocesamiento de imágenes 

1.6.1. Análisis de ruido 
1.6.2. Suavizado de imágenes 
1.6.3. Realce de imágenes 

1.7. Segmentación de imágenes 

1.7.1. Técnicas basadas en Contornos 
1.7.3. Técnicas basadas en Histograma 
1.7.4. Operaciones morfológicas 

1.8. Detección de Características en la Imagen 

1.8.1. Detección de puntos de interés 
1.8.2. Descriptores de características 
1.8.3. Correspondencias entre características 

1.9. Sistemas de Visión 3D 

1.9.1. Percepción 3D 
1.9.2. Correspondencia de Características entre Imágenes 
1.9.3. Geometría de múltiples vistas 

1.10. Localización basada en Visión Artificial 

1.10.1. El problema de la localización de Robots 
1.10.2. Odometría visual 
1.10.3. Fusión sensorial 

Módulo 2. Sistemas de Percepción Visual de Robots con Aprendizaje Automático 

2.1. Métodos de Aprendizaje No Supervisados aplicados a la Visión Artificial 

2.1.1. Clustering 
2.1.2. PCA 
2.1.3. Nearest Neighbors 
2.1.4. Similarity and matrix decomposition 

2.2. Métodos de Aprendizaje Supervisados aplicados a la Visión Artificial 

2.2.1. Concepto “Bag of words” 
2.2.2. Máquina de soporte de vectores 
2.2.3. Latent Dirichlet Allocation 
2.2.4. Redes neuronales 

2.3. Redes Neuronales Profundas: Estructuras, Backbones y Transfer Learning 

2.3.1. Capas generadoras de Features 

2.3.3.1. VGG 
2.3.3.2. Densenet 
2.3.3.3. ResNet 
2.3.3.4. Inception 
2.3.3.5. GoogLeNet 

2.3.2. Transfer Learning 
2.3.3. Los datos. Preparación para el entrenamiento 

2.4. Visión artificial con Aprendizaje Profundo I: Detección y segmentación 

2.4.1. YOLO y SSD diferencias y similitudes 
2.4.2. Unet 
2.4.3. Otras estructuras 

2.5. VZZisión artificial con aprendizaje profundo II: Generative Adversarial Networks 

2.5.1. Superresolución de imágenes usando GAN 
2.5.2. Creación de Imágenes realistas 
2.5.3. Scene understanding 

2.6. Técnicas de aprendizaje para la Localización y Mapeo en la Robótica Móvil 

2.6.1. Detección de cierre de bucle y relocalización 
2.6.2. Magic Leap. Super point y super glue 
2.6.3. Depth from monocular 

2.7. Inferencia bayesiana y modelado 3D 

2.7.1. Modelos bayesianos y aprendizaje “clásico” 
2.7.2. Superficies implícitas con procesos gaussianos (GPIS) 
2.7.3. Segmentación 3D usando GPIS 
2.7.4. Redes neuronales para el modelado de superficies 3D 

2.8. Aplicaciones End-to-end de las Redes Neuronales Profundas 

2.8.1. Sistema end-to-end. Ejemplo de identificación de personas 
2.8.2. Manipulación de objetos con sensores visuales 
2.8.3. Generación de movimientos y planificación con sensores visuales 

2.9. Tecnologías en la nube para acelerar el desarrollo de algoritmos de Deep Learning 

2.9.1. Uso de GPU para el Deep Learning 
2.9.2. Desarrollo ágil con Google IColab 
2.9.3. GPUs remotas, Google Cloud y AWS 

2.10. Despliegue de Redes Neuronales en Aplicaciones Reales 

2.10.1. Sistemas embebidos 
2.10.2. Despliegue de Redes Neuronales. Uso 
2.10.3. Optimizaciones de redes en el despliegue, ejemplo con TensorRT 

Matricúlate ya en un Diplomado que te mostrará las herramientas actuales empleadas en la mejora de la Visión Artificial en Robots”