Curso en Inteligencia Artificial Aplicada en Energías Alternativas
Descripción del programa
Información General:
PROGRAMA Maestría en Recursos Energéticos TIPO Curso INICIO # FINALIZA # HORARIO Martes y jueves de 6:30 p.m. a 9:00 p.m. LUGAR Plataforma UDES TÍTULO Certificado de asistencia INVERSIÓN $571.000 Presentación :
Dirigido a: profesionales, ingenieros en áreas de conocimiento afines al desarrollo de proyectos en energías renovables con aplicación de alta tecnología, estudiantes de pregrado en ingeniería interesados en incursionar en el tema, empresarios del sector energético en generación, distribución, consumo y manejo eficiente de fuentes no convencionales de energía renovable.
Justificación
Las fuentes no convencionales de energías alternativas se han convertido en una necesidad marcada para su implementación inmediata en lugares no interconectados a líneas de suministro energético, además para la mitigación del impacto ambiental y el crecimiento sostenible de la industria y comunidades que gestionen su producción independiente de energía, democratizando este insumo necesario para el desarrollo y trabajo diario. El desarrollo de la tecnología y en general de las ciencias de la computación, ha llevado a que los estudios de tendencia, predicción, modelamiento matemático, entre otros, puedan acelerar los procesos propios con ayuda de la inteligencia artificial, que permiten contribuir de manera especifica al desarrollo de las energías alternativas desde diversos aspectos, cómo son los estudios de potencial sostenible, el análisis de datos históricos meteorológicos versus diferentes tecnologías para su aprovechamiento, de igual manera la aplicación de modelamiento matemático para balances energéticos o para la implementación de tecnología bajo condiciones específicas, así cómo el manejo de redes y microrredes, junto con el desarrollo y prospección de mercados de energía. Todos los anteriores tópicos son aplicados en estudios de caso que se desarrollan de la mano de tecnología de punta y con la ayuda de un software asequible (Python), lo que permite aplicar la inteligencia artificial en proceso de aprovechamiento y generación de energía limpia para un futuro sostenible.
Objetivos
- Aplicar conceptos de IA, para el aprovechamiento de fuentes no convencionales de energías renovables.
- Utilizar conceptos aplicados de machine learning y Deep learning para escenarios de generación de energías renovables.
- Integrar herramientas de IA en un proyecto integrador para la generación de energías alternativas.
Resultados de aprendizaje
- Aplica conceptos fundamentales de IA, para el aprovechamiento de fuentes de energía no convencionales de manera sostenible.
- Integra la IA en el desarrollo de escenarios de demanda y oferta de energía, obteniendo la solución más viable según los proyectos planteados.
Plan de estudios:
Módulos, contenidos del aprendizaje y tiempos de ejecución
MÓDULO PLAN TEMÁTICO
(Temas y subtemas)
CONFERENCISTA TIEMPO DE DURACIÓN
(Por módulo)
Introducción • Motivación del uso de inteligencia artificial: - Explorar cómo la IA está transformando el sector de las energías renovables. • Visión general del curso: - Objetivos, estructura, y lo que los participantes pueden esperar aprender. Jhon Jairo Quiñones Cortes 2 horas
1 • Introducción a Python (2 horas) - Sintaxis básica y tipos de datos. - Estructuras de control y funciones. • Manipulación y Análisis de Datos con Python (2 horas) - Uso de pandas para análisis de datos. - Operaciones con DataFrames y Series. • Visualización de Datos (2 horas) - Introducción a Matplotlib y Seaborn. - Creación de gráficos y visualización de datos energéticos. Jhon Jairo Quiñones Cortes 6 horas 2 • Introducción al Machine Learning (3 horas) o Historia y evolución del machine learning. o Tipos de aprendizaje: supervisado, no supervisado, y por refuerzo. o Proceso general de un proyecto de machine learning. • Algoritmos de Machine Learning (3 horas) o Algoritmos de regresión y clasificación. o Árboles de decisión, SVM, k-NN y algoritmos de ensamble. o Evaluación de modelos: sobreajuste, subajuste, y métricas de rendimiento. • Introducción al Deep Learning (2 horas) o Conceptos básicos de las redes neuronales. o Redes neuronales profundas y sus ventajas. o Frameworks de deep learning: TensorFlow y Keras. Jhon Jairo Quiñones Cortes 8 horas 3 • Predicción de Generación de Energía (3 horas) o Uso de series temporales para predecir la generación de energía. o Modelos para predecir la producción de energía solar y eólica. o Integración de variables meteorológicas en los modelos predictivos. • Gestión y Optimización de la Carga (2 horas) o Modelos para la gestión de la demanda y optimización de la carga. o Algoritmos para la predicción de la demanda energética. o Estrategias de respuesta a la demanda y almacenamiento de energía. • Clusterización y Segmentación en Energía Renovable (2 horas) o Técnicas de clusterización para analizar y segmentar datos energéticos. o Aplicaciones prácticas: identificación de patrones de consumo, optimización de recursos. • Casos de Estudio y Aplicaciones Prácticas (1 hora) o Análisis de estudios de caso reales donde se aplican técnicas de ML en energías renovables. o Discusión sobre los retos y oportunidades futuras en el sector. Jhon Jairo Quiñones Cortes 8 horas 4 • Visualización Avanzada de Datos (2 horas) • Técnicas avanzadas para interpretar y presentar resultados. • Uso de bibliotecas de visualización en proyectos de energía renovable. • Desarrollo del Proyecto Final (4 horas) • Aplicación de los conceptos aprendidos en un proyecto integrador. • Análisis, modelado y visualización de datos en un contexto de energía renovable. Jhon Jairo Quiñones Cortes 3 horas Instructor:
PROFESIÓN Ingeniero Mecánico
POSGRADOS Master of Science – M.Sc., Mechanical Engineering.
Doctor of Philosophy – Ph.D., Mechanical Engineering
EXPERIENCIA PROFESORAL N/A
Políticas administrativas :
*La oficina de Educación Continuada se reserva el derecho de cancelar un programa o modificar del mismo lo siguiente: la fecha y horarios de realización, el valor de la inversión, los expertos facilitadores propuestos, los contenidos y el lugar donde se ofrecerá. Los programas se realizarán cuando se haya alcanzado un número establecido de participantes matriculados.
*En caso de que un programa se cancele por decisión de la Universidad, a los participantes matriculados que hayan realizado el pago hasta el momento, se les ofrecerá la posibilidad de conservar el pago como saldo a favor para participar en otro programa de Educación Continuada o se les devolverá la totalidad del valor de la matrícula.
*El certificado de asistencia se entrega a los participantes que acrediten mínimo el 80% de asistencia.
