Máster en Internet de las Cosas (IOT)

EL ECOSISTEMA DE INTERNET DE LAS COSAS

Desde la aparición del primer ser humano, la comunicación ha sido uno de los pilares principales para el continuo crecimiento de la sociedad y todo lo que actualmente representa. El hombre, desde su origen, sintió la necesidad de comunicar sus emociones, sensaciones, preocupaciones acerca del mundo que le rodeaba para poder enfrentar mejor la realidad que desconocía. Comenzó a hacerlo a través de gestos, sonidos, señales de humo, tambores, pinturas y gemidos.

La comunicación no solamente es un intercambio de opiniones entre personas, es además un intercambio cuyo propósito es generar una acción, lleva implícito el intercambio de ideas, sentimientos, actitudes y emociones.

Durante siglos hemos podido evolucionar los sistemas de comunicación de tal manera que ya es posible la “no presencia física” de las personas para poder comunicarse y establecer canales por los cuales trasmitir la voz e incluso la imagen para estar conectados. Estos canales cada vez más mejorados tecnológicamente han dado pie, a no solo conectar humanos, sino que además poder conectar maquinas entre si y objetos de la vida cotidiana, “machine to machine” (M2M).

Aquí es donde despierta nuestro interés por la conexión entre objetos y personas, de las conexiones entre el mundo digital y el mundo físico y que nos permitirán crear nuevos modelos de negocio facilitándonos la vida diaria, reduciendo los tiempos en las acciones de los procesos, donde antes se demoraba horas, ahora se producen en décimas de segundo. Esto es lo que podemos definir como INTERNET OF THINGS (IOT), se trata de dotar de sensores y capacidad de comunicación a todas las cosas que nos rodean permitiendo estar conectado todo con todo.

Conocer porque el IOT cambiara la sociedad, las tecnologías que posibilitan que todo esto se produzca, el uso de las mismas para la creación de nuevos modelos de negocio serán las cuestiones para comenzar nuestro modulo y esperamos que una vez finalizado estén contestadas.

Temario:

1. Fundamentos del IoT, historia y evolución
   • 1.1. Introducción a Internet de las Cosas
   • 1.2. Tecnologías fundamentales de IoT
   • 1.3. Protocolos de comunicaciones
   • 1.4. Sistemas embebidos
   • 1.5. El futuro de Internet de las Cosas
2. Sensores, actuadores y procesadores
   •  2.1. Componentes de IoT
   •  2.2. Sistemas operativos en IoT
   •  2.3. Gestión de energía en IoT
   •  2.4. Sensores y actuadores de IoT
   • 2.5. Modelo arquitectónico de hardware y software en IoT
   • 2.6.  Modelo arquitectónico de comunicaciones en IoT
   • 2.7.  Modelo de operaciones de un objeto IoT.
3. Plataformas de IoT
   • 3.1.  Selección de plataforma hardware para IoT
   • 3.2.  Selección de plataforma software para IoT
   • 3.3. Aplicaciones de IoT

COMUNICACIONES EN INTERNET DE LAS COSAS

Una red de comunicación inalámbrica incluye una serie de dispositivos interconectados para soportar la transmisión de información por enlaces inalámbricos tales como las ondas de radio.

Una red de comunicación móvil consiste de dispositivos que pueden intercambiar información y cuyo punto de conexión puede cambiar dinámicamente. A medida que el usuario se mueve su(s) conexión(es) cambian automáticamente.

Esta es la diferencia de la definición anterior con la de comunicación nómada o portable. En este caso, un usuario puede conectarse a diferentes aplicaciones en la red e intercambiar información con otros dispositivos conectados, pero su conexión(es) termina(n) cada vez que se mueve. Cuando el usuario se vuelve a conectar adquiere una nueva conexión. Esta base servirá para el desarrollo de esta parte de la asignatura.

Del mismo modo, ante el avance exponencial de IoT, y en lo que a comunicaciones se refiere, cabe la siguiente pregunta: ¿las actuales redes de telecomunicaciones y transmisión de datos tienen la capacidad de soportar el volumen previsto de objetos conectados tal como se prevé?

El avance y generalización en el uso de Internet de las Cosas exige la implementación y puesta en marcha de redes específicas de objetos conectados que, entre otras, aporten las siguientes ventajas tanto a empresas como a usuarios:

• Mayor rapidez en la conexión.
• Impedir que se produzca una saturación en la transmisión de datos.
• Capacidad para soportar una transferencia continua de datos.
• Velocidad y agilidad en las comunicaciones.
• Coste asequible.

En base a lo anterior, podemos clasificar las tecnologías de redes para IoT en dos clases: las de tipo generalista y las de tipo específicas. Este estudio será la base de la segunda parte del temario para pasar, posteriormente a los aspectos relacionados con la seguridad de las comunicaciones.

Las técnicas criptográficas permiten a un emisor ocultar los datos de modo que los intrusos no puedan obtener ninguna información a partir de los datos interceptados. El receptor, por supuesto, deberá ser capaz de recuperar los datos originales a partir de los datos ocultados.

Temario:

1. Redes Inalámbricas y redes móviles
   • 1.1. Evolución de las redes inalambricas
   • 1.2. Redes en IoT
   • 1.3. Comunicaciones por satélite
   • 1.4. Redes móviles
2. Redes de Internet de las Cosas
   • 2.1. Redes en IoT
   • 2.2. Protocolos de IoT
3. Plataformas de desarrollo, seguridad y aplicaciones IoT
   • 3.1. Seguridad en las comunicaciones
   • 3.2. Introducción a la criptografía
   • 3.3. Algoritmos de clave simétrica
   • 3.4. Autenticación de mensajes
   • 3.5. Algoritmos de clave pública
   • 3.6. Certificados digitales
   • 3.7. Seguridad en IoT

Tradicionalmente los dispositivos conectados se limitaban al envío de datos a la nube para ser procesados por ésta. Sin embargo, estos cada vez poseen mayor capacidad de cómputo debido principalmente al abaratamiento de la misma y a la mejora de la eficiencia energética que ofrece el hardware más moderno.

Este crecimiento en las capacidades computacionales de dispositivos y sistemas que tradicionalmente no tenían acceso a ellas contribuye no solo al aumento del consumo y generación de datos, sino también a la aparición de nuevos modelos de computación que sacan partido de estas nuevas capacidades de los dispositivos extendidos por toda la red.

• Cloud Computing y Centros de Datos: Actualmente, el coste computacional requerido por el análisis de los datos generados por las redes de sensores IoT o las aplicaciones de los populares dispositivos móviles es absorbido por los servicios Cloud. Las plataformas cloud tradicionales disponen de servidores agrupados en grandes centros de datos que ponen al servicio de usuarios y desarrolladores, no solo la potencia, sino también la adaptabilidad, flexibilidad y escalabilidad características de la computación Cloud a entornos en los que, por limitaciones técnicas, no sería posible ofrecer.
• Edge Computing, Fog Computing: Sin embargo, el uso de centros de datos, normalmente alejados tanto geográficamente como en términos de red de los dispositivos que hacen uso de los servicios, junto con la expansión y popularización de estos mismos, provoca latencias altas en la comunicación de los datos y en ocasiones incluso sobrecargas de la red. Es por ello que el uso de los servicios cloud no resulta adecuado para aquellos casos en los que el procesado de los datos tenga unos requisitos temporales fuertes, como puede ser la detección de alarmas en una fábrica o la gestión de la conducción de un vehículo autónomo. En este contexto, surgen los entornos de Edge Computing y Fog computing.
• Casos de uso: Esta nueva forma de organizar la capacidad de cómputo en la red proporcionará mejoras significativas en múltiples casos de uso industriales, además de habilitar las redes para soportar nuevos servicios y tecnologías que llegarán con la industria 4.0

Temario:

1. IoT Cloud: ¿qué es?
2. IoT Cloud Arquitectura
3. IoT Cloud Seguridad
4. IoT Cloud Edge
5. IoT Cloud Casos

En la asignatura se desarrollarán los conceptos de Machine Learning y Deep Learning, relacionándolos con los algoritmos de aprendizaje.

La Inteligencia Artificial es un conjunto de tecnologías que permiten que las máquinas actúen con una apariencia de inteligencia humana. Esto supone que la IA permite que las máquinas puedan en cierta medida percibir, razonar, aprender e interactuar con el entorno.

En esta asignatura se profundiza en los fundamentos y conceptos clave de la IA, así como en las principales tecnologías que la hacen posible, con especial hincapié en ML y DL.

En la asignatura se verán los siguientes puntos:

• Conceptos clave de IA y sus tecnologías

Qué es la Inteligencia Artificial, su evolución e impacto en la Industria 4.0 y causas del desarrollo actual de la IA. Oportunidad y Retos.

• Machine Learning: Tipos de análisis y Métodos de Aprendizaje

Algoritmos que mejoran su desempeño aprendiendo de la experiencia y sin ser explícitamente programados. Principales algoritmos y casos de uso.

• Deep Learning: Tipos de redes y principales modelos

Subconjunto de ML basado en redes neuronales capaces de autoadaptarse a nuevos datos. Cuándo se utilizan, cómo funcionan y principales casos de uso.

Temario:

1. Evolución Inteligencia Artificial.
2. Principales tecnologías de la Inteligencia Artificial.
3. Machine Learning Importancia Digitalización y Datos.
4. Impacto de la Inteligencia Artificial en la Economía.
5. Casos de uso sectoriales de la Inteligencia Artificial.
6. Impacto de la Inteligencia Artificial en las Personas.

CIENCIA DE DATOS: BIG DATA Y ANALYTICS

Esta asignatura proporciona los fundamentos teóricos y prácticos para entender el funcionamiento de los sistemas de grandes volúmenes de datos y sus aplicaciones, desde los conceptos básico esenciales para comprender la importancia de los métodos de análisis denominados Big Data hasta comprender el funcionamiento de los sistemas y herramientas que se utilizan por las principales empresas para el desarrollo de los modelos de comprensión de los datos disponibles, todo ello pasando por una descripción de cómo aplicar estos conceptos y herramientas en el desarrollo profesional o de investigación.

Esta es una asignatura que parte de planteamientos académicamente sólidos, pero que va a realizar un desarrollo aplicado a la comprensión tanto de los elementos teóricos como a la aplicación práctica de las herramientas funcionales para el análisis de los grandes volúmenes de datos.

El profesional del análisis de datos, que ahora es conocido como analista de datos, ingeniero de datos o arquitecto de datos, se encuentra en el centro del modelo de transformación de los arcaicos modelos de análisis de datos, según la estadística clásica.

Por lo tanto, es muy importante adquirir una conciencia clara del impacto que está teniendo y tendrá en la sociedad la implantación cada vez más acelerada de las tecnologías derivadas del análisis de grandes volúmenes de datos. Así como lo que este desarrollo conlleva en un momento en que el debate alrededor de conceptos como la nueva economía o la globalización ocupan un lugar destacado en los medios y la opinión pública. Y es que tenemos que tener en cuenta que el profesional de la información no será solamente un espectador privilegiado de los cambios que se produzcan, sino que en muchas ocasiones deberá ser uno de sus actores principales.

Del mismo modo, este módulo es el componente introductorio a la ciencia de datos. Con ello se busca establecer en el estudiante sólidas bases técnicas y metodológicas para el desarrollo de procesos de análisis de datos, diseñar modelos matemáticos y estadísticos, y generar aplicaciones que le permitan hacer inteligencia con los datos e información en diversos ámbitos de aplicación. La principal fortaleza de la Ciencia de Datos es que no restringe su desarrollo sólo a matemáticos o informáticos, sus herramientas pueden ser de dominio de profesionales de las más diversas disciplinas, favoreciendo el trabajo inter y multidisciplinario, pues aporta una visión sistémica para comprender el comportamiento de sistemas complejos.

Temario:

1. Fundamentos de Hadoop
   • 1.1. Introducción a Hadoop
   • 1.2. Hadoop sistema distribuido de Archivos (HDSF)
   • 1.3. Hadoop distribución de tareas en un clúster: Paradigma Map Reduce
   • 1.4. Bases de datos no relacionales (NoSQL)
   • 1.5. Google Gran Tabla y Hadoop Hbase
2. Ecosistema Hadoop
   • 2.1. Introducción al ecosistema Hadoop de Cloudera
   • 2.2. Herramientas del ecosistema: Pig, Hive, Impala y Hue
   • 2.3. Movimiento masivo de datos: Sqoop
   • 2.4. Datos Secuenciales (Streaming): Flume
3. Procesamiento de datos con Spark
   • 3.1. Por qué Spark
   • 3.2. Desarrollo de aplicaciones con Spark
   • 3.3. Spark Streaming
   • 3.4. Librería de Aprendizaje de Máquina: Spark MLLib
4. Bases de datos no Relacionales (NoSQL)
   • 4.1. Modelos no relacionales y datos no estructurados
   • 4.2. Bases de datos clave- valor: Redis
   • 4.3. Bases de datos orientadas a columnas: Cassandra y HBase
   • 4.4. Bases de datos orientas a documentos: MongoDB
5. In-Memory Database
   • 5.1. Procesos ETL
   • 5.2. Replicación en Tiempo Real
   • 5.3. Virtualización de datos

BLOCKCHAIN EN EL IOT

En este módulo veremos como blockchain, con sus diferentes sabores y tecnologías subyacentes, está suponiendo una revolución en la forma en la que la industria y la empresa en general aborda sus procesos y cadena de valor a lo largo de los diferentes ecosistemas de su entorno de colaboración.

El contenido tendrá un enfoque práctico y tangible, centrado en el negocio y huyendo de entrar en aspectos excesivamente técnicos.

Los puntos básicos que tratará el temario son los siguientes:

• Fundamentos y tecnologías de Blockchain

• Aplicaciones de Blockchain en sectores industriales y de fabricación

Temario:

Módulo 1. Fundamentos de Blockchain y distintos tipos de aproximaciones.

Módulo 2. Potencial de blockchain aplicado a la industria y al IoT.

Módulo 3. Ejemplos de proyectos y demostraciones.

Módulo 4. Seleccionando el caso de uso adecuado.

Módulo 5. Casos de uso en el ámbito industrial.

La ciberseguridad es un concepto que suele asociarse a la seguridad en la red o ciberespacio y que trata de proteger toda aquella información localizada en los sistemas informáticos de una empresa. Sin embargo, este término también suele asociarse como un sinónimo de la seguridad de la información, aunque este símil no es del todo adecuado, por lo que en esta asignatura se verán las principales diferencias entre ambos términos y su interrelación con la seguridad en la empresa.

Entendemos la ciberseguridad como la protección de información mediante el tratamiento y supervisión de amenazas que ponen en riesgo la información que se encuentra en los sistemas informáticos de una empresa. Por lo tanto, debemos comprender que la ciberseguridad tiene como foco principal la protección de la información digital, y por lo tanto, la ciberseguridad industrial se encuentra comprendida dentro de la seguridad de la información. Se verán concretamente los aspectos de ciberseguridad implantados directamente en el IoT

Los puntos básicos que tratará el temario son los siguientes:

• La ciberseguridad: Protección de infraestructuras críticas
• Seguridad y privacidad de los datos y de la información
• Estrategias y Normativas de Ciberseguridad.

Temario:

Módulo 1. Ciberseguridad general e IoT.

Módulo 2. Medición y Análisis del Riesgo.

Módulo 3. Interceptación de Información ante amenazas. Detección y Gestión de Accidentes.

NORMAS LEGALES, REGULACIONES Y ÉTICA EN EL IOT

En la expansión global de la cuarta revolución industrial han jugado un papel clave las tecnologías que favorecen la interoperatividad, la automatización algorítmica, la hiperconectividad y, en definitiva, la transformación digital de las empresas y de los mercados en que estas operan.

Paralelamente a ese proceso de evolución tecnológica de la industria, los riesgos inherentes a la misma también han experimentado un profundo proceso de transformación y las tipologías de amenazas se han multiplicado de forma extraordinaria.

En el contexto de la industria 4.0 las amenazas de ciberseguridad, los riesgos de carácter jurídico y determinados aspectos éticos plantean especial incertidumbre a los operadores y un sinnúmero de desafíos de adaptación proactiva y constante a diversos estándares y normativas. Del mismo modo, la aparición y multiplicación de dispositivos conectados a internet, el flujo continuo, libre y masivo de datos a través de las cosas que nos rodean, de la sensorización y de los wereables, son factores nucleares en la expansión de la Industria 4.0, la globalización económica y la transformación digital.

Sin embargo, las ideas centrales del IoT (cloud computing, big data e inteligencia artificial) están asociados a nuevos retos de ciberseguridad, y también de carácter jurídico y ético, que conviene identificar y abordar desde un punto de vista preventivo y proactivo a riesgo de incurrir en graves pérdidas de negocio y de reputación o en responsabilidades de diversa naturaleza legal, que serán objeto de análisis en este tema del Máster.

Los puntos básicos que tratará el temario son los siguientes:

• Protección de infraestructuras críticas: Leyes de la Unión Europea, Latinoamérica y Caribe.
• Compliance: Cultura de cumplimiento y procesos de negocio, riesgos penales y delitos tecnológicos.
• Reglamento General de Protección de Datos de la UE (GDPR).
• Ética en el IoT (ética de los algoritmos y de la inteligencia artificial)

Temario:

Módulo 1. Marco regulatorio, aspectos legales y éticos del Internet of Things

Módulo 2. Protección de redes y de los sistemas de información – La Directiva NIS y el papel de ENISA – Otras regulaciones relevantes

Módulo 3. Protección jurídica del IOT – Propiedad de los datos – Protección de la Propiedad Industrial y regulación de los secretos empresariales

Módulo 4. Privacidad desde el diseño y por defecto en el IOT – Obligaciones principales impuestas por el RGPD y la normativa de telecomunicaciones

Módulo 5. Ética en el IOT: Inteligencia Artificial confiable y Ética de los algoritmos.

GESTIÓN DE PROYECTOS EN INTERNET DE LAS COSAS: CASOS DE USO Y CASOS DE ÉXITO

Desde estos puntos podremos ver proyectos de transformación digital en la empresa impulsada por el IoT, así como la gestión de proyectos industriales teniendo en cuenta la incorporación de todas las tecnologías vistas en el resto de asignaturas del programa. Se utilizarán diferentes aproximaciones tanto interna como externamente.

Con el uso de las nuevas tecnologías como Big Data, Machine Learning, el entorno Cloud, los sistemas Ciberfísicos y los servicios relativos a la misma (SaaS, PaaS, IaaS, …), IoT, etc. muchas empresas están en el camino de la transformación digital aplicado al IoT.

En un mercado de competencias cada vez más cambiante, con una necesidad de adaptación inmediata a las nuevas tecnologías y dónde la estrategia de la nube está cambiando el concepto de las relaciones con los clientes, nos disponemos explorar por medio de casos de éxito y otras experiencias que no han salido bien, cómo diferentes compañías han solventado o se encuentran en el camino de la adaptación a la Industria 4.0. y a la nuerva revolución industrial.

Los puntos básicos que tratará el temario son los siguientes:

• Gestión de proyectos: Métodos, técnicas y herramientas de desarrollo.

• Planificación y gestión estratégica de TIC en organizaciones y empresas, y en la industria.
• Arquitectura empresarial en el IoT
• Casos de Uso y Casos de Estudio en el IoT

Temario:

Módulo 1. Camino de la transformación digital en el IoT

Módulo 2. La importancia del Data Governance y las nuevas tecnologías industriales. Proyectando el IoT

Módulo 3. La extensión de la empresa – traspasando las fronteras. Al borde del abismo. Montando el puzzle