Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Confiabilidad y Mantenimiento
Mayo de 2019
Opción a distancia no presencial
Todos los cursos se podrán seguir vía streaming o ver video en diferido.
Indice
Objetivo 3
Objetivos específicos
Público objetivo 4
Perfil de egreso
Plataforma a distancia 5
Programa 6
Cursos 7
Requisitos de aprobación 13
Cuerpo docente 14
Inscripciones 17
Programación
Programación de clases 18
Requisitos de admisión 19
Valores
Contacto
BIGDATAANALYTICS2019 2
Objetivo
El diploma de Big Data Analytics en Confiabilidad y Mantenimiento apunta a formar un
profesional con dominio en las técnicas de análisis de Big Data aplicadas a la gestión
de activos físicos, mantenimiento y confiabilidad que le permitan desarrollar y analizar
modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas en activos
físicos.
Objetivos específicos
Introducir y discutir los conceptos de IoT y Big Data y cómo estos se aplican en
confiabilidad y mantenimiento.
BIGDATAANALYTICS2019 3
Público objetivo
Ingenieros, principalmente a civiles mecánicos, químicos, industriales, y eléctricos
que se desempeñen o tengan interés de actuar en las áreas de integridad de equipos,
confiabilidad y mantenimiento en empresas del sector privado o público.
Perfil de egreso
Profesional con dominio en las técnicas de análisis de Big Data aplicadas a la gestión
de activos físicos, mantenimiento y confiabilidad que le permitan desarrollar y analizar
modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas en activos
físicos.
BIGDATAANALYTICS2019 4
Plataforma a distancia
Con la nueva modalidad a distancia el aprendizaje es más simple y colaborativo.
El alumno podrá seguir vía streaming o ver video en diferido todos los cursos del
diplomado, convirtiendo la enseñanza a distancia en una experiencia simple, clara y sin
problemas.
BIGDATAANALYTICS2019 5
Programa
El diploma está estructurado en 11 cursos, divididas en 144 horas lectivas.
11
cursos
144horas
lectivas
Cursos
Internet de las Cosas (IoT) y Big Data en la Confiabilidad y Mantenimiento.
Adquisición y Procesamiento de Señales para el Diagnóstico y Pronóstico de Fallas.
Aprendizaje de Máquina Aplicado a Confiabilidad y Mantenimiento.
Taller I - Estudio de Casos en el Análisis de Señales de
Monitoreo de la Condición de Salud de Activos Físicos.
Fundamentos de Hadoop para el Análisis
de Big Data en Confiabilidad y Mantenimiento.
Ecosistema de Hadoop para el Análisis
de Big Data en Confiabilidad y Mantenimiento.
Big Data Analytics en Diagnóstico de Fallas de Activos Físicos.
Big Data Analytics en Pronóstico de Fallas de Activos Físico.
Taller II - Estudio de Casos en Big Data Analytics Aplicados al
Diagnóstico y Pronóstico de Fallas en Activos Físicos.
Big Data Analytics No Supervisado en Detección de
Anomalías y Diagnostico de Fallas de Activos Físicos.
Taller de Proyecto.
BIGDATAANALYTICS2019 6
Internet de las Cosas (IoT) y Big Data en la
Confiabilidad y Mantenimiento
CURSOS
BIGDATAANALYTICS2019 7
Aprendizaje de Máquina Aplicado a
Confiabilidad y Mantenimiento
Contenidos del curso
BIGDATAANALYTICS2019 8
Fundamentos de Hadoop para el Análisis de Big Data
en Confiabilidad y Mantenimiento
Contenidos del curso
Hadoop
Map Reduce
Desde hadoop a Spark
Algoritmos analíticos en entorno map-reduce aplicados a confiabilidad,
mantenimiento y eficiencia operacional
BIGDATAANALYTICS2019 9
Big Data Analytics en Diagnóstico de Fallas
de Activos Físicos
Contenidos del curso
Aprendizaje profundo:
- Conceptos fundamentales de redes neuronales
- Redes neuronales profundas
- Redes neuronales convolucionales
- Introducción a Keras
o Arquitecturas de redes neuronales profundas y redes convolucionales para el
diagnóstico de fallas en base a datos masivos de monitoreo de vibraciones:
- Entrenamiento básico
- Transfer-Learning
- Fine-Tunning
Fusión de señales masivas y multidimensionales en base a redes neuronales
convolucionales
Identificación de daño estructural a través de redes neuronales convolucionales en
base al procesamiento de imágenes
Taller de casos de aplicación
BIGDATAANALYTICS2019 10
Big Data Analytics en Pronóstico de
Fallas de Activos Físicos
Contenidos del curso
BIGDATAANALYTICS2019 11
Big Data Analytics No Supervisado en Detección de
Anomalías y Diagnostico de Fallas de Activos Físicos
Contenidos del curso
Taller de Proyecto
Contenidos del curso
BIGDATAANALYTICS2019 12
Requisitos de aprobación
El requisito académico se cumple aprobando todos los cursos con nota mínima 4,0
BIGDATAANALYTICS2019 13
CUERPO DOCENTE
BIGDATAANALYTICS2019 14
Juan Tapia Farías José García Conejeros
Formación Académica Formación Académica
Doctor en Ingeniería Eléctrica, Doctor en Ciencias con mención en
Universidad de Chile Matemáticas, Universidad de Chile
Licenciado en Ciencias con mención
Ocupación en Matemáticas, Universidad de Chile.
Director de Investigación de la
Universidad Tecnológica de Chile - Ocupación
INACAP, en las áreas Electrónica y Telefónica, Investigador en las áreas
Eléctrica. de big data analytics.
BIGDATAANALYTICS2019 15
Richard Weber H. Jorge Pérez
Formación Académica Formación Académica
Ph. D. en Investigación de Doctor en Ciencias de la Ingeniería,
Operaciones, RWTH Aachen, Pontificia Universidad Católica de
Alemania. Chile.
Magíster en Investigación de Magíster en Ciencias de la Ingeniería
Operaciones, RWTH Aachen, e Ingeniero Civil en Computación,
Alemania. Pontificia Universidad Católica de
Chile.
Ocupación
Profesor Asociado, Departamento de Ocupación
Ingeniería Industrial, Universidad de Profesor Asociado, Departamento
Chile. de Ciencias de la Computación,
Universidad de Chile.
BIGDATAANALYTICS2019 16
Inscripciones
INSCRIPCIÓN
Programación
MAYO JUNIO
LUN MAR MIE JUE VIE SAB DOM LUN MAR MIE JUE VIE SAB DOM
1 2 3 4 5 1 2
6 7 8 9 10 11 12 3 4 5 6 7 8 9
13 14 15 16 17 18 19 10 11 12 13 14 15 16
20 21 22 23 24 25 26 17 18 19 20 21 22 23
27 28 29 30 31 24 25 26 27 28 29 30
BIGDATAANALYTICS2019 17
Programación de clases
Fecha Curso Horas Profesor
31 de mayo Internet de las Cosas (IoT) y Big Data en la 4 Richard Weber
Confiabilidad y Mantenimiento
31 de mayo y 1 de junio Adquisición y Procesamiento de Señales para el 12 Viviana Meruane
Diagnóstico y Pronóstico de Fallas
21 y 22 de junio Aprendizaje de Máquina Aplicado a Confiabilidad 16 Viviana Meruane
y Mantenimiento & Jorge Perez
5 y 6 de julio Taller I – Estudio de Casos en el Análisis de 16 Enrique López
Señales de Monitoreo de la Condición de Salud de & Juan Tapia
Activos Físicos
19 y 20 de julio Fundamentos de Hadoop para el Análisis de Big Data 16 José Garcia
en Confiabilidad y Mantenimiento
2 y 3 de agosto Ecosistema Hadoop para el Análisis de Big Data 16 José Garcia
en Confiabilidad y Mantenimiento
30 y 31 de agosto Big Data Analytics en Diagnóstico de Fallas 16 Enrique López
de Activos Físicos
13 y 14 de septiembre Big Data Analytics en Pronóstico de 16 Enrique López
Fallas de Activos Físicos
4 y 5 de octubre Taller II – Estudio de Casos en Big Data Analytics 16 Enrique López
Aplicados al Diagnóstico y Pronóstico de Fallas & Juan Tapia
en Activos Físicos
8 y 9 de noviembre Big Data Analytics No Supervisado en Detección de 16 Enrique López
Anomalías y Diagnostico de Fallas de Activos Físicos
6 de diciembre Taller de Proyecto Enrique López
& Viviana Meruane
BIGDATAANALYTICS2019 18
Requisito de admisión
Estar en posesión de un título profesional de ingeniero o licenciatura en ingeniería
con una duración mínima de 4 años.
Valores
DIPLOMA NUEVO
10%
Descuento
adicional
hasta el 31
de diciembre 144 U.F. (Pago en hasta 12 cuotas)
Publico general:
Hasta 31 de diciembre de 2018: descuento de 20%
Hasta 31 de marzo de 2019: descuento de 10%
Egresados de la U de Chile:
Hasta diciembre de 2018: descuento de 30%
Hasta marzo de 2019: descuento de 20%
Hasta 30 de abril: descuento de 10%
Postulación en:
www.dimec.uchile.cl/web/diplomas-y-cursos/postulacion-a-diploma/
Consultas
Maricarmen Núñez
Teléfono: +562 2978 4591
diplodimecma@ing.uchile.cl
BIGDATAANALYTICS2019 19