UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM

CURSO
Industrial Machine Learning
 con Azure y PowerBI &
25 HORAS Internet Industrial de las
 cosas con Thingboard para
la Industria 4.0

 
 



¡Inicia una nueva era en tu desempeño docente en la industria 4.0…!

INTRODUCCIÓN
Industrial Data Science & Industrial Machine Learning están creciendo en popularidad e importan-
cia dentro de la estrategia de datos de las empresas. Pasar del análisis descriptivo tradicional al
análisis prescriptivo y a los nuevos servicios avanzados, desde minería de textos hasta análisis de
imágenes, se está convirtiendo en un aspecto diferencial en los sistemas analíticos.
Aunque algunas de estas funcionalidades analíticas ya están presentes en el mercado desde hace
algún tiempo, es con el despliegue masivo de la potencia de la nube Azure y el servicio Azure
Machine Learning cuando se han vuelto mucho más fáciles de comprender, desarrollar, implemen-
tar y usar reduciendo enormemente la cantidad de tiempo y la infraestructura necesaria.
Azure Machine Learning Studio es una herramienta diseñada para desarrollar, probar y trabajar
con modelos de análisis predictivo. Además, es una herramienta sencilla de utilizar y que no
requiere de conocimientos de programación.
El desarrollo científico y tecnológico, unido a los avances en las esferas de la electrónica y las
comunicaciones, ha permitido que el hombre sea capaz de comunicarse remotamente con perso-
nas u objetos presentes en ramas de la economía y la sociedad. Uno de los conceptos modernos
del Internet, denominado Internet de las Cosas o Internet of Things (IoT), permite el monitoreo y
control de prácticamente todo lo que tenga capacidad de conectarse a una red.
Las plataformas de IoT ofrecen una solución completa en cuanto a los servicios de control de
dispositivos y de recolección, procesamiento y visualización de los datos. Generalmente residen en
la nube, aunque pueden implementarse en servidores locales, especialmente en áreas remotas de
difícil conectividad. Son conocidas como el middleware de Internet de las Cosas, actuando como
mediador entre la capa de hardware y la capa de aplicación. Las plataformas de middleware IoT
pretenden simplificar la lectura de datos de todo tipo de fuentes (dispositivos físicos, entrada
humana, datos en línea, etc.) y proporcionan funcionalidades básicas para filtrar, analizar, crear
eventos y visualizar la información recibida.
ThingsBoard es una plataforma IoT de código abierto para la recolección, procesamiento, visuali-
zación de datos y administración de dispositivos.
Permite la conectividad de dispositivos a través de protocolos IoT que se han convertido en están-
dares de la industria como MQTT, CoAP, HTTP y soporta implementaciones en la nube y en servi-
dores locales. Proporciona al usuario administrador una interfaz web idónea para registrar y admi-
nistrar dispositivos.
ThingsBoard da la posibilidad de crear contenedores llamados activos (assets) para reorganizar
los datos y se pueden asignar atributos a los dispositivos y activos (los atributos pueden ser carac-
terísticas de dispositivo como la versión de firmware, especificaciones de hardware, etc.). Además,
permite la definición de reglas, que consisten en filtros para mensajes recibidos y procesadores
que añaden metadatos a los mensajes.
El presente curso, tiene la intención de potenciar a los docentes en la aplicación de las tecnologías
del Industrial Machine Learning & Internet Industrial de las Cosas manejando las dos tecnologías
que actualmente están dominando el mercado de la Industria 4.0.

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
2
 PUBLICO OBJETIVO
Docentes, Ingenieros, bachilleres y técnicos que se desempeñan en la docencia universitaria y/o
tecnológica y que quieran adentrarse el mundo del uso del BigData, Business Intelligence y el
Machine Learning en el mundo académico y empresarial.

OBJETIVOS
El objetivo del presente curso es brindar los conocimientos necesarios y la transferencia tecnolo-
gía adecuada de manera tal que al finalizar el mismo, los participantes estén en capacidad de
diseñar, formular, desarrollar, programar, implementar y gestionar sistemas industriales avanza-
dos de Machine Learning con Azure Machine Learning Studio y PowerBI, y con ello desarrollar
análisis predictivos y prospectivos aplicados a la industria, empresa y educación.

Asimismo, se persigue que al final del curso el participante logre desarrollar soluciones medianas
y avanzadas con de Internet Industrial de las Cosas con la plataforma ThingBoard.

METODOLOGÍA

El curso es 100 % online, y consta de 08 sesiones de 2.5 hora por sesión.

Se desarrollarán 02 sesiones por semana.
El curso combina conceptos teóricos con aplicaciones prácticas y ejemplos reales de proyectos
de implementación.
Se realizará un ejemplo práctico de Machine Learning, con el algoritmo de K – Menas; y como
se aplica en la Industria 4.0
No existen requerimientos técnicos para tomar el curso.

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
3
PLAN CURRICULAR Y CONTENIDOS

MODULO I: ASPECTOS BÁSICOS DE AZURE Y POWER BI

Plataformas Cloud: IaaS, PaaS, SaaS
Registro cuenta gratuita Azure
Aspectos básicos de Azure Portal
Azure: procesamiento, almacenamiento y seguridad
Power BI Desktop, instalación y registro versión Free
Diferencias versión free y Pro de Power BI
Aspectos básicos de Power BI
Configuración R en Power BI

MODULO II: CREAR UNA CUENTA DE AZURE MACHINE

LEARNING STUDIO
Introducción
Información general sobre Machine Learning
Configuración de una cuenta de Azure Machine Learning Studio
Uso de una cuenta de Azure para crear un área de trabajo de Machine Learning Studio

MODULO III: CREACIÓN DE UN EXPERIMENTO EN AZURE

MACHINE LEARNING STUDIO
Compilación del experimento
Preparación e implementación del experimento
Visualización de los encabezados y el código de ejemplo
Publicación de un experimento con Azure Machine Learning Studio
Clave de API de Azure Machine Learning Studio
Consultas a la API de Azure Machine Learning Studio

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
4
MODULO IV: CLASIFICACIÓN DE IMÁGENES CON MICRO-
SOFT CUSTOM VISIÓN SERVICE
Ejercicio: Creación de un proyecto de Custom Visión Service
Ejercicio: Carga de las imágenes etiquetadas
Ejercicio: Entrenamiento del modelo
Ejercicio: Prueba del modelo
Ejercicio: Llamada al punto de conexión de predicción de un modelo a través de HTTP

MODULO V: PREDICCIÓN DE VALORES NUMÉRICOS ME-

DIANTE REGRESIÓN (PARTE I)
Predicción de valores con la regresión lineal simple
Ejercicio: Regresión lineal simple
Predicción de valores con la regresión lineal múltiple
Ejercicio: Regresión lineal múltiple
Predicciones en datos no lineales mediante la regresión polinómica
Ejercicio: Regresión polinómica
Regresión en Power BI

MODULO VI: PREDICCIÓN DE VALORES NUMÉRICOS

MEDIANTE REGRESIÓN (PARTE II)
Clasificación binaria con regresión logística
Ejercicio: regresión logística
Revisión de la función de costos y el descenso de gradiente
Predicción de categorías con máquinas de vectores de soporte
Ejercicio: máquinas de vectores de soporte
Análisis de la precisión del modelo con datos de prueba
Mejora de las predicciones de categorización con máquinas de vectores de soporte
Clasificación en Power BI
Preparación de Power BI
Parametrización de atributos
Visualización Avanzada de Machine Learning en PowerBI

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
5
MODULO VII: INTRODUCCIÓN A LA INTERNET INDUSTRIAL
DE LAS COSAS & THINGBOARD
Plataformas de IoT / IIoT
Diferencias entre LoRA y SigFox
Aplicaciones Industriales de la IIoT
Instalación de la Plataforma ThingBoard
Configuración de cuenta en la plataforma ThingBoard

MODULO VIII: APLICACIONES DE IIOT USANDO LA PLATA-

FORMA THINGBOARD
Arquitectura de IIoT con ThingBoard
Fundamentos de ThingsBoard características en la Industria 4.0
Instalar y configurar ThingsBoard para aplicaciones industriales.
Creación de aplicaciones Industriales de IoT con ThingsBoard

MODULO IX: APLICACIONES AVANZADAS DE THINGBOARDS

EN LA INDUSTRIA 4.0 (PARTE I)
Integración de ThingBoard con Azure
Integración de ThingsBoard con Kafka para el enrutamiento de datos del dispositivo de tele-
metría

MODULO X: APLICACIONES AVANZADAS DE THINGBOARDS

EN LA INDUSTRIA 4.0 (PARTE II)
Integración de ThingsBoard con Apache Spark para la agregación de datos desde múltiples
dispositivos.
Integración de ThingsBoard a redes neuronales artificiales para la Industria 4.0.

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
6
EXPOSITOR
DR. ING. MIGUEL MESA (ESPAÑA)
Doctor Ingeniería Informática con especialización en tecnologías avanzadas de Analítica de Data
& Internet Industrial de las Cosas
Director de Proyectos de Desarrollo de Stratebi España
Ha desarrollado más de 200 proyectos de Analítica Avanzada de Data & IIoT.
Profesional Certificado por MS en Azure y ThingBoard

CERTIFICACIÓN
Al finalizar el curso el participante obtendrá un Certificado extendido por la Unidad de Acreditación
de la Universidad Nacional de Ingeniería.

DURACIÓN DEL CURSO:

05 semanas.
02 sesiones de 2.5 horas online por semana a cargo de expositores especializados y certificados
nacionales e internacionales.

BENEFICIOS DESPUÉS DEL PROGRAMA:

Asesoría personalizada por 02 meses en sus proyectos que desarrollen como parte del presente
curso.
Descuentos en Programas y Cursos de Especialización.

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
7
INFORMACIÓN GENERAL

MATERIAL
El participante del curso accederá a las presentaciones, material de lectura y
otros recursos adicionales al contenido del programa, de manera digital para esto
se tiene implementado un Campus Virtual de Aprendizaje de última Generación.

Los asistentes deben de poseer computadoras personales o tablets, dado que

serán necesarias para las sesiones.

Hay que considerar que las lecturas o casos que se entreguen podrían estar
redactadas en inglés.

Edutecknia proporcionará el campus virtual y la plataforma respectiva.

FECHAS Y HORARIOS DEL CURSO:

Inicio: 12/10
16/10
19/10
23/10
26/10
30/10
02/11
06/11
09/11
Final: 13/11
El Horario seria de 2.30pm a 5.30 pm, porque el expositor es Español y por el
cambio horario afecta

Facultad de Ingeniería Mecánica

Oficina de Calidad Universitaria y Acreditación FIM
8