| N° |
Objetivo |
Contenido |
Horas Teóricas |
Horas Prácticas |
Horas E-learning |
| 1 |
Seleccionar Y Analizar Grandes Conjuntos De Datos Para Extraer Información En Forma Eficiente Y Teniendo Conciencia De Las Incertidumbres En Las Conclusiones, Propagadas A Partir De La Calidad De Los Datos |
Introducción: Análisis De Información Método Experimental Diseño Vs Análisis De Experimentos Regresión Lineal: Fundamentos Y Suposiciones Diagnóstico Del Modelo Inferencia Sobre Los Parámetros Del Modelo Inferencias Sobre Las Predicciones |
6 |
2 |
0 |
| 2 |
Construir Modelos Causales (Pca) Que Expliquen Los Factores De Mayor Incidencia En Las Desviaciones Que Ocurran Respecto De Los Objetivos Del Proceso |
Problemas Potenciales De Estimación Reparametrización Ejemplos De Violación A Las Suposiciones Implícitas Diseño De Experiencias Regresión No Lineal |
6 |
2 |
0 |
| 3 |
Desarrollar Sensores Virtuales (Pls) O Modelos Predictivos Para Estimar Variables Que No Son Medidas Directamente, Pero Que Tienen Dependencia De Otras Conocidas |
Propagación De Error En Sistemas Lineales Y No Lineales Control Estadístico De Procesos Aplicaciones Y Limitaciones Fundamentos De Métodos De Proyección Algebra Lineal De Matrices, Propiedades Descomposición De Matrices Relación Con Mínimos Cuadrados |
6 |
2 |
0 |
| 4 |
Generar Datos Para Modelos. |
Generación De Datos Para Modelos Pca Generación De Datos Para Modelos Pls Obtención De Modelos Pca Diagnóstico Usando Modelos Pca Obtención De Modelos Pls Aplicación De Modelos Pls, Estudio De Casos |
6 |
2 |
0 |
| 5 |
Diagnosticar La Operación En Línea Identificando Las Causas Más Probables De Los Problemas Operacionales Y/O Fallas De Instrumentación |
Definición De Objetivos Colección De Datos Establecer Criterios De Selección Selección De Datos Estudio De Casos Uso De Software Para Obtener Modelos Uso De Modelos Para Diagnóstico Interpretación Del Diagnóstico Aplicación En Línea Del Diagnóstico |
6 |
2 |
0 |