



Preguntas frecuentes

¿Es necesario tener la titulación universitaria para matricularse?
Para poder matricularse en el Programa Máster y Posgrado hay que superar previamente el proceso de admisión establecido. En este proceso es el director del Máster o Posgrado quien, a través de una entrevista, determina la validez de una candidatura.
Por lo tanto, los estudios o titulación que se tenga, no es condición excluyente y una persona que no tenga titulación universitaria puede, habiendo pasado la admisión, matricularse en el curso.
¿Qué documentación se requiere para matricularse?
Para poder matricularse en el Programa de Máster y Posgrado, es requisito indispensable solicitar admisión y superar una entrevista con el director. Una vez superada la entrevista será necesario entregar la siguiente documentación:
- Fotografía tamaño carnet.
- Fotocopia del DNI o NIE.
- Fotocopia del último título académico obtenido o del resguardo de solicitud del título.
- Fotocopia de un documento donde aparezca (nombre del titular/número de cuenta) para la domiciliación del pago.
- Hoja de forma de pago.
- Pago particular: en el caso que el pago del curso lo haga el propio interesado.
- Pago empresa: en el caso que el pago lo haga la empresa donde trabaja el interesado.
¿Cuándo se inicia/termina el periodo de inscripción?
Las matriculaciones están abiertas durante todo el año y se adjudican por orden de inscripción hasta agotar las plazas.
¿Se pueden bonificar los cursos mediante la Fundació FUNDAE?
Sí. Todos nuestros cursos se pueden bonificar a través de la Fundación Tripartita (www.fundaciontripartita.org)
En CIM-UPC, gestionamos directamente estas ayudas pero, si está interesado en esta bonificación puede consultarlo en el área de RRHH de su empresa o bien hacerlo a través de una gestoría.
Si tiene alguna duda puede ponerse en contacto en masters@fundaciocim.org.
¿En qué plazo de tiempo se comunica el resultado de la admisión?
Una semana después de haber realizado la entrevista con el director del curso o, en caso de solicitudes extranjeras, una semana después de haber hecho el estudio de su perfil, en ambos casos a través del correo electrónico.
¿Es posible obtener una carta de matriculación?
Sí, siempre y cuando usted sea admitido al máster o postgrado y haya efectuado un pago en cualquiera de sus modalidades en masters@fundaciocim.org

Descuentos Aplicables

El CIM UPC otorga los siguientes descuentos en el importe de la matrícula de los cursos del programa de Másteres y Posgrados:
- MIEMBROS DE LA COMUNIDAD UPC ALUMNI PREMIUM: 10% http://alumni.upc.edu/formacio Documento acreditativo: Carnet UPC Alumni premium.
- SITUACIÓN LEGAL DE DESOCUPACIÓN: 10% http://www.boe.es/diario_boe/txt.php?id=boe‐a‐1985‐8124 Documento acreditativo: Certificado vigente de demanda de ocupación emitido por la oficina de trabajo o SOC.
- TRABAJADORES DE NUESTRAS EMPRESAS COLABORADORAS: 10% - 20% 2 matrículas simultáneas en la misma edición: 10% 3 – 4 matrículas simultáneas en la misma edición: 15% 5 o más matrículas simultáneas en la misma edición: 20% http://www.fundaciocim.org/ca/page/collaboradors Documento acreditativo: Certificado justificante de la relación laboral, con sello de la empresa.
- MIEMBROS DEL COLEGIO DE INGENIEROS GRADUADOS E INGENIEROS TÉCNICOS INDUSTRIALS DE BARCELONA (CETIB): 12% http://www.enginyersbcn.cat/colegi/noticies/view.php?id=1159 Documento acreditativo: Carnet con el nombre de colegiado.
- MIEMBROS DEL COLEGIO DE INGENIEROS INDUSTRIALES DE CATALUÑA (EIC): 15% http://www.eic.cat/ Documento acreditativo: Carnet con el nombre de colegiado o asociado.
IMPORTANTE: Para beneficiarse del descuento es imprescindible presentar la acreditación correspondiente juntamente con el resto de documentación obligatoria para tramitar la matrícula.
- Una vez emitida la factura, no se aceptan solicitudes de descuento.
- Los descuentos no son acumulables.
Propósito
Para sostener la competitividad, las empresas, y en particular las manufactureras, se encuentran inmersas en un proceso de cambio profundo influido principalmente por dos shaping forces del mercado: la Transformación Digital y la Economía Circular. La Transformación Digital es un viaje que lleva a las compañías a repensar su modelo de negocio a partir del factor habilitador de la tecnología digital, conjugado con nuevas formas de gestión y superando algunos de los axiomas clásicos.
Un componente clave de este cambio es la evolución de la organización que pivota hacia la toma de decisiones en base a los datos (data driven). Este punto de partida tiene un impacto trascendente en las empresas, las cuales en la última década han hecho un esfuerzo al gestionar su actividad en procesos (Six Sigma, Lean). La Transformación Digital incide directamente sobre los procesos, digitalizándolos y automatizando una parte significativa de la actividad de las personas. De este modo se convierte el proceso en software y, por lo tanto, lo que queda son los datos. De hecho, este es uno de los factores diferenciales que sustancia el concepto de Industria 4.0. El impacto en el negocio de mirarse el mundo a través del prisma de los datos en lugar de los procesos es realmente determinante.
En este contexto, el propósito de este posgrado es dotar al participante de las competencias y herramientas esenciales para poder convertir los datos en uno de los activos principales de las empresas industriales. Así, profesionales destacados de las disciplinas de este sector incipiente, aportarán un enfoque pragmático e introducirán las mejores prácticas actuales para que el participante tenga una visión completa.
Beneficis
El participante del curso dispondrá de una visión integral y eminentemente práctica de todas las etapas del ciclo de vida de los datos, iniciándose con su almacenamiento y hasta transformarla en un activo para la toma de decisiones, aplicándola en algoritmos de inteligencia artificial (Machine Learning) y combinándola con sistemas de visualización que agilicen la interpretación de los humanos.
En términos concretos, el participante será capaz de conocer y aplicar los cimientos de:
- La gestión y almacenamiento de los datos en sistemas comerciales cloud SQL i NoSQL (small & big data, bases de dades cloud / edge)
- La praxis para limpiar y purgar los datos (conceptos básicos de estadística con un enfoque práctico)
- Técnicas de Machine Learning para la identificación de patrones, que permitan predecir estados futuros (mantenimiento basado en la condición, estimación de la capacidad, mejora de la productividad) o extraer características fundamentales sobre productos y procesos
- Experiencia un entorno visual cloud (sin programación, Microsoft Machine Learning Studio) para implementar y gestionar todo el flujo, entrenando modelos Random Monte, XGBoost i Deep Learning
- Visualización de la información, elaborando dashboards online integrados con los sistemas de información corporativos
¿A quién va dirigido?
Técnicos de automatización de producción en la conexión vertical del proceso que generan datos de proceso y necesitan valorizarlos; responsables de operaciones que tiene que conocer qué necesitan y de qué datos disponen; ingenieros data analysis; expertos en bases de datos en entornos industriales.
Contenidos
El curso se estructura en 5 módulos fundamentales más un proyecto transversal.
- Tipos de datos estructurados vs no estructurados
- Dimensiones de los datos: Small Data vs Big Data
- Temperatura de los datos. Misión crítica vs Archivo
- Cloud vs Fog vs Edge
- Bases de datos: Relacionales (SQL) y no relacionales (NoSQL). MySQL y MongoDB
- Ecosistemas Hadoop y Spark
- Plataformas comerciales en la nube: Azure, AWS, Google Cloud Platform, IBM
- Transformación de los datos en información
- Limpieza y supresión de los datos superfluos (Data Cleaning)
- Técnicas elementales estadísticas
- Identificación de patrones (Feature Engineering)
- Azure Machine Learning Studio
- Frameworks habituals: Python + Scikit-learn
- Inferencia y predicción
- Aprendizaje supervisado y no supervisado
- Sistemas predictivos para datos estructurados
- Entrenamiento de algoritmos habituales: SVM, Random Forest, Logistic Regression, XGBoost
- Redes neuronales para datos no estructurados
- Técnicas avanzadas para Visión Artificial: Clasificadores, Detectores y Segmentadores
- Redes neuronales convolucionales
- Entrenamiento redes neuronales: Inception, Yolo
- Presentación de resultados para la toma de decisiones
- Buenas prácticas para la representación visual de la información
- Tableau: Dashboards interactivos online
- PowerBI: Herramienta Business Intelligence de Microsoft
Ejecución de un proyecto a lo largo de todo el curso en el cual se conjugarán competencias y conocimientos desarrollados en cada uno de los módulos.
Equipo docente
El equipo docente que integra el programa está formado por profesionales que combinan su trabajo con su tarea docente y, por lo tanto, posibilitan con su gran experiencia en el sector un aprendizaje que se adapta a la realidad empresarial.
Directores

Director del posgrado IML
Ingeniero en telecomunicaciones por la Universidad Politécnica de Catalunya (UPC). Máster en Dirección de las Telecomunicaciones por el Instituto Catalán de Tecnología. MBA por la Universidad Pompeu Fabra. Gestor de Proyectos de Automatización de líneas de metro en TMB. Coordinador del Observatorio Mundial de Metros Automáticos (UITP) identificando las tendencias tecnológicas y operativas del sector. Ha participado como docente en diferentes programas máster y posgrado. Inversión Privada en Nuevos Negocios (Business Angels Network Catalunya).
Directores

Director del postgrau IML
Ingeniero de telecomunicaciones por la Universitat Politècnica de Catalunya (UPC). Máster en Comunicaciones Móviles por la UPC y MBA por ESADE Business School. Director de Tecnología, Organización y Sistemas a Claranet. Más de 20 años de experiencia a la industria de Internet en áreas técnicas y de operación, ha ocupado cargos de responsabilidad en proveedores de banda ancha, MSPs (ManagedService Providers) y Cloud providers. Experiencia consolidada en gestión de personas, implantación de proyectos y procesos empresariales, agilidad, BSS/OSS, redes, infraestructuras y tecnologías de la información.