Inteligencia Artificial para la Ingeniería Aeroespacial
El Título de Experto en Inteligencia Artificial para la Ingeniería Aeroespacial tiene como objetivo formar a los estudiantes de master y profesionales del sector interesados en iniciarse y profundizar en las nuevas tecnologías de Inteligencia Artificial que están revolucionando todos los campos de la ingeniería.
El título consta de 15 créditos ECTS (90 horas) y está dividido en dos bloques: Fundamentos y Aplicaciones. Este título te aportará las bases y conocimientos necesarios para afrontar los retos que la industria te ofrecerá en problemas reales a través del uso de una metodología basada en la práctica y las aplicaciones. Las fechas estimadas para la primera edición del curso serán del 2 de febrero de 2025 al 22 de mayo de 2025. La impartición es de forma semipresencial, pudiendo asistir bien online o presencialmente.
Este curso está diseñado con un enfoque práctico y orientado al mercado laboral, donde la evaluación se realizará exclusivamente a través de trabajos relacionados con problemas reales que los profesionales enfrentan en la industria. En el contexto de la actual revolución de la inteligencia artificial, los estudiantes trabajarán en proyectos que simulan retos auténticos del sector de la ingeniería.
A través de esta metodología, adquirirán los conocimientos y habilidades necesarios para integrarse en proyectos de IA en áreas como diseño aeronáutico, simulación avanzada, optimización de estructuras y sistemas, y análisis de datos complejos. Además, el curso abre las puertas a colaborar en proyectos innovadores de empresas líderes como Airbus, GMV, Sener Aeroespacial, Indra, y múltiples startups que están impulsando la innovación en inteligencia artificial aplicada. Este enfoque garantiza que los participantes no solo dominen los fundamentos y aplicaciones de la IA, sino que también estén preparados para formar parte de equipos multidisciplinarios que lideran la transformación del sector.
Este módulo está diseñado tanto para quienes no tienen experiencia previa con Python como para quienes buscan actualizar sus conocimientos. Python es el lenguaje más utilizado en el mundo de la Ciencia de Datos e Inteligencia Artificial, gracias a su versatilidad y a la gran cantidad de librerías disponibles.
Aprenderás las bases del lenguaje Python y su uso en análisis y manipulación de datos utilizando herramientas como NumPy, Pandas, Polars y SciPy. También trabajaremos con Matplotlib y Seaborn para crear visualizaciones, y exploraremos cómo estas herramientas son fundamentales para resolver problemas científicos y de ingeniería.
El Machine Learning (Aprendizaje Automático) es la base de lo que hoy conocemos como Inteligencia Artificial. En este módulo aprenderás cómo los modelos de Machine Learning utilizan datos para identificar patrones, realizar predicciones y automatizar tareas complejas.
Abordaremos conceptos clave como regresión y clasificación, así como algoritmos base como los árboles de decisión, aprendiendo a implementarlos con la librería scikit-learn. Este módulo también incluye ejercicios prácticos para que puedas aplicar estos conceptos a problemas reales en ingeniería.
El Deep Learning (Aprendizaje Profundo) es una rama avanzada del Machine Learning que utiliza redes neuronales profundas para resolver problemas complejos, como el reconocimiento de imágenes, el análisis de texto y la predicción de series temporales.
En este módulo explorarás conceptos fundamentales de las redes neuronales, incluidas las Redes Neuronales Convolucionales (CNN) para visión por computador y las Redes Neuronales Recurrentes (RNN) para datos secuenciales. Usaremos PyTorch, una de las librerías más populares en la industria, para implementar y entrenar estos modelos.
La Inteligencia Artificial está transformando disciplinas tradicionales de la ingeniería como la Dinámica de Fluidos Computacional (CFD) y los Métodos de Elementos Finitos (FEM). Estas técnicas permiten realizar simulaciones más rápidas y precisas, optimizando recursos computacionales.
En este módulo aprenderás cómo utilizar modelos de IA para mejorar simulaciones científicas, desde acelerar cálculos hasta modelar fenómenos complejos. Trabajarás en casos prácticos relevantes para la ingeniería.
El Aprendizaje por Refuerzo Profundo (Deep Reinforcement Learning) combina el aprendizaje profundo con técnicas de decisión autónoma, permitiendo que sistemas inteligentes aprendan a interactuar con su entorno de forma óptima.
En este módulo explorarás aplicaciones prácticas como la navegación autónoma de UAVs, el control de posición de aerogeneradores o la conducción autónoma. Sentaremos las bases de los algoritmos más usados en la actualidad, trabajando con entornos simulados para resolver problemas reales.
La IA Generativa es una de las áreas más innovadoras de la inteligencia artificial, con aplicaciones como la creación de imágenes, textos y simulaciones. En este módulo aprenderás sobre arquitecturas avanzadas como Transformers (base de ChatGPT) y modelos de difusión (como Stable Diffusion o Midjourney).
Además, explorarás técnicas prácticas como prompting, integración de RAG (Retrieval Augmented Generation) y el uso de LangChain para resolver problemas en distintos campos de la ingeniería.
