1. DE LA REALITAT FÍSICA A LA DADA DIGITAL
1.1. Per què mesurem?
1.1.1. La dada com a eina per prendre decisions
1.1.2. Exemples industrials reals
1.1.3. Casos d'ús IoT
1.2. Capturant el món físic
1.2.1. Sensors i transductors
1.2.2. Cadena de mesura
1.2.3. Errors i incertesa. Qualitat de la dada
1.3. Disseny d'un sistema d'adquisició
1.3.1. Arquitectura d'un DAQ modern
1.3.2. Sistemes industrials d'adquisició
1.3.3. Casos reals
2. CONSTRUINT UN NODE IoT
2.1. Introducció als sistemes embedded
2.1.1. Arquitectura
2.1.2. Limitacions de recursos, consum i processament
2.2. Programació de dispositius connectats
2.2.1. Adquisició a partir de sensors
2.2.2. Gestió de tasques
2.2.3. Comunicació amb perifèrics
2.3. Del sensor a Internet
2.3.1. Arquitectura IoT
2.3.2. Edge Computing
2.3.3. Cloud Computing
2.3.4. Digital Twins
3. COMUNICACIONS PER A IoT
3.1. Com es comuniquen els dispositius
3.1.1. Conceptes fonamentals
3.1.2. Amplada de banda, latència, fiabilitat
3.1.3. Consum energètic
3.2. Xarxes IP i Internet
3.2.1. El protocol més utilitzat:TCP/IP
3.2.2. WiFi
3.2.3. MQTT, HTTP i REST APIs
3.3. Xarxes IoT de llarg abast
3.3.1. LoRaWAN
3.3.2. ZigBee
3.3.3. Comparativa de tecnologies i casos d'ús
4. INTEL.LIGÈNCIA A L'EDGE
4.1. Tractament digital del senyal
4.1.1. Mostreig i aliasing
4.1.2. Senyals digitals
4.2. Descobrint informació amagada
4.2.1. FFT i espectre
4.2.2. Anàlisi frequencial
4.2.3. Extracció de característiques
4.3. Millorant la qualitat de les dades
4.3.1. Filtres digitals
4.3.2. Filtres FIR i IIR
4.3.3. Enfinestrat de senyals
5. DEL NÚVOL AL PANELL DE CONTROL
5.1. Emmagatzematge de dades IoT
5.1.1. Bases de dades SQL
5.1.2. Bases de dades Time Series
5.1.3. InfluxDB
5.2. Visualització i monitorització
5.2.1. Dashboards
5.2.2. Grafana
5.2.3. Alarmes
5.2.4. KPIs
5.3. Aplicacions web per a IoT
5.3.1. Arquitectura client-servidor
5.3.2. APIs
5.3.3. Aplicacions web
5.3.4. Webs a l'embedded
6. DE LES DADES A LA PRESA DE DECISIONS
6.1. Analítica de dades en sistemes IoT
6.1.1. Dades, informació i coneixement
6.1.2. Detecció de tendències
6.1.3. Detecció d'esdeveniments
6.1.4. Exemples industrials
6.2. Introducció a la Intel·ligència Artificial
6.2.1. Què és la IA, el Machine Learning i el Deep Learning?
6.2.2. Aprenentatge supervisat i no supervisat
6.2.3. Casos d'ús en enginyeria
6.3. Preparació de dades per a la IA
6.3.1. Qualitat de les dades
6.3.2. Filtrat (eliminació, inputació...)
6.3.3. Extracció de característiques
6.3.4. Reducció de dimensionalitat
6.4. IA al Cloud
6.4.1. Arquitecutra típica
6.4.2. Avantatges i inconvenients
6.4.3. Cost computacional
6.4.4. Escalabilitat
6.5. IA a l'Edge
6.5.1. Què és Edge IA
6.5.2. TinyML
6.5.3. Restriccions de memòria i energètiques
6.5.4. Inferència local
6.6. Cas pràctic
6.7. Tendències futures