Ciencia de Datos aplicada al Mantenimiento Predictivo



laptop  Modalidad Online en Vivo
calendario Inicio:
reloj -
reloj-de-arena Duración
NECESITO MÁS
INFORMACIÓN
Nombres *
Apellidos *
Móvil *
Correo *
Región *
He leído y acepto que mis datos serán tratados conforme al aviso de privacidad que se encuentra aquí.




¿Qué voy a aprender en este programa?
Al finalizar el programa, el alumno se encontrará en la capacidad de:
- Analizar grandes volúmenes de datos en tiempo real y de movilidad para descubrir patrones o nuevas condiciones que producirán una falla a futuro. Con la data podrás tomar medidas preventivas directamente desde los dispositivos usados.
- Aprender a utilizar la programación en R y Python que te ayudará a familiarizarte con los lenguajes estadísticos de tendencia emergente en los medios de ciencia de datos aplicándolo en la gestión del mantenimiento o industria.
- Gestionar la información proveniente de la sensórica de la industria podrás hacer un análisis predictivo para detectar fallas antes de que se produzcan, o detectar patrones con ayuda de herramientas como R y Python.
- Determinar con base en los datos, qué activos son los críticos, no críticos y medianamente críticos con herramientas como el diagrama de Jack Knife.
¿A quién va dirigido este programa?
El Programa de Especialización en Ciencia de Datos aplicada al Mantenimiento Predictivo está dirigido a gerentes, supervisores y planificadores responsables de las actividades de planificación y cualquier profesional interesado en aplicar modelos predictivos para la toma de decisiones en mantenimiento o áreas relacionadas.
¿Cuál será mi estructura curricular?

- Utilización de IDE Google Colab (herramienta online de Google)
- Introducción a Python
- Modelo de Montecarlo para simulación de miles de escenarios con Python

- Regresiones lineales simples, múltiples, polinómicas, SVR, árboles de decisión, random forest
- Modelos de clasificación, regresión logística, matriz de confusión y curva ROC
- Modelos de Bayes, KNN, SVM, árboles de clasificación, random forest
- K-fold cross validation

- Algoritmo de k-means, se realiza ejemplos con data real, se revisa indicadores TTR, indisponibilidad, up-time
- Utilización de scatterplots y sus variaciones, personalizar plots
- Utilización de PCA para reducir las dimensiones de DataFrames

- Bootstrap
- Bagging
- Boosting

- Se realiza la introducción de conceptos y generalidades de una neurona, algoritmo de gradient descent, back propagation, funciones de activación
- Cálculos de confiabilidad de activos con librerías keras y tensorflow de redes neuronales artificiales

- Estadística del mantenimiento (crear histogramas y distribuciones) curvas de densidad, probabilidades acumuladas con Python, realizar gráficas tipo plot, scatter plot, barras, pye, etc.
- Inferencia estadística (modelos de confiabilidad Weibull, normal, exponencial) con librería "stats.models" de Python

- Limpieza de datos con Power BI
• Utilización de Query editor y lenguaje M
• Importando data en Query editor

- Modelos de datos en Power BI
• Filtros cruzados y cardinalidad
• Tablas maestras y transaccionales

- Utilizar objetos visuales con R dentro de Power BI
• Código R con ggplot dentro de Power BI
• Histogramas curvos de densidad, estadística inferencial, probabilidad de fallos y confiabilidad de activos

- Funciones DAX y visualizaciones en Power BI
• Inteligencia del tiempo y tabla de medidas
• Columnas calculadas en base a medidas DAX

¿Cuáles son los requisitos de admisión?
Requisitos para la inscripción
Para completar tu inscripción, es necesario:
- Llenar la Ficha de matrícula.
- Hacer el pago de la matrícula / entrega de orden de servicio / entrega de carta de compromiso.

Conocimientos previos:
Para llevar el programa, es recomendable que el participante posea:
- Este programa no requiere de ningún conocimiento previo en específico.

Software a emplear:
- Este programa no requiere el uso e instalación de softwares especializados.
Plana docente
Mis Beneficios
Sincronización Asesoría continua
Check Docentes especializados
Birrete Educación de calidad
Interacción Interacción en vivo
Lupa Seguimiento académico personalizado
Computador Modalidad online
Certifícate como:

Certificación Ingenium
Copia estructura curricular
Foto Referencial
Puedes compartir en linkedin
En la sección certificaciones de tu perfil de LinkedIn, en tu currículum impreso o en otros documentos.
Foto Referencial
*Los certificados no tienen costo adicional, se enviarán de forma digital con un código único de seguridad para su validación y trazabilidad respectiva.
Certificaciones

Ingenium dispone de un Sistema de Gestión de Calidad certificado de acuerdo a la Norma ISO 9001:2015 por LOT INTERNACIONAL S.A.C.
Logo ISO 9001
Certificaciones

Ingenium dispone de un Sistema de Gestión de Calidad certificado de acuerdo a la Norma ISO 9001:2015 por LOT INTERNACIONAL S.A.C.
Logo ISO 9001
Vive la experiencia antes de ser nuestro alumno
Conoce a nuestro docente y metodología de enseñanza gratis.
ingenieros
Cuadros
Vive la experiencia antes de ser nuestro alumno
Asiste a una sesión en vivo para conocer a tu docente y nuestra metodología de enseñanza.


Cuadros
NECESITO MÁS INFORMACIÓN
Nombres *
Apellidos *
Móvil *
Correo *
Región *
He leído y acepto que mis datos serán tratados conforme al aviso de privacidad que se encuentra aquí.
Otros cursos relacionados