Ingeniería de Series temporales, señales e IA en el borde

2.2 Fundamentos de Series Temporales: definición, componentes (tendencia, estacionalidad y ruido) y estacionariedad
2.2 Señales y muestreo en el borde: frecuencia de muestreo, Nyquist, aliasing y cuantización
2.3 Arquitecturas de Edge para IA: hardware (CPU/GPU/TPU), optimización y despliegue en plataformas navales
2.4 Flujo de datos en tiempo real: recopilación, streaming, ventanas deslizantes y latencia end-to-end
2.5 Modelos básicos de Series Temporales: ARIMA, SARIMA, ETS y Prophet; supuestos y selección
2.6 Detección de anomalías y patrones: umbrales, métodos estadísticos y aprendizaje automático para series
2.7 Preparación de datos para borde: limpieza, manejo de missing, escalado y normalización
2.8 Evaluación y validación en entornos edge: métricas, backtesting temporal y robustez al ruido
2.9 Seguridad, gobernanza y cumplimiento de datos en edge: cifrado, control de acceso y auditoría
2.20 Caso práctico: pipeline de series temporales en un dispositivo naval edge para sensores de sistema

3.3 Introducción a Series Temporales, Señales e IA para Dispositivos Edge Navales: conceptos, alcance y arquitectura
3.2 Arquitectura de soluciones en el borde naval: sensores, interfaces y seguridad
3.3 Muestreo y preprocesamiento de señales en entornos marinos: filtrado, calibración y ruido
3.4 Fundamentos de series temporales para sistemas navales: tendencias, estacionalidad y autocorrelación
3.5 Métodos de pronóstico y detección en borde: ARIMA/SARIMA, modelos ligeros y redes neuronales en hardware naval
3.6 Implementación de IA en el borde: optimización, cuantización, poda y despliegue en plataformas navales
3.7 Pipeline de datos y gestión en borde: ingestión, streaming, calidad de datos y trazabilidad MBSE/PLM
3.8 Evaluación de rendimiento: métricas de precisión, latencia, consumo y robustez ante fallos
3.9 Seguridad, certificación y cumplimiento: ciberseguridad, integridad de datos y normas aplicables
3.30 Caso práctico: diseño y evaluación de un pipeline de series temporales e IA para un sistema naval edge

4.4 Fundamentos de IA para el borde naval: conceptos, alcance y diferencias con la nube
4.2 Arquitecturas de borde en entornos navales: dispositivos, gateways y nodos de cómputo
4.3 Tipos de datos en borde naval: series temporales, señales y métricas operativas
4.4 Infraestructura para IA en el borde: cómputo, energía, redundancia y enfriamiento
4.5 Ciclo de vida de modelos en el borde: entrenamiento ligero, inferencia, actualización y versionado
4.6 Seguridad y ciberseguridad de IA en el borde naval
4.7 Gobernanza de datos, calidad y cumplimiento normativo en operaciones navales
4.8 Interoperabilidad y estándares para IA en plataformas navales
4.9 Casos de uso iniciales en buques, puertos y sistemas de vigilancia
4.40 Roadmap de adopción: hitos, métricas de rendimiento y gestión de riesgos

**Módulo 5 — Introducción a Series Temporales, Señales e IA**

5.5 Definición y tipos de series temporales.
5.5 Fundamentos de procesamiento de señales.
5.3 Introducción a la Inteligencia Artificial (IA) y el aprendizaje automático.
5.4 Aplicaciones de series temporales, señales e IA en el ámbito naval.
5.5 Arquitectura de dispositivos Edge y su relevancia en sistemas navales.
5.6 Herramientas y bibliotecas para el análisis de series temporales y señales (Python, etc.).
5.7 Conceptos básicos de filtrado y preprocesamiento de datos.
5.8 Introducción a modelos de IA para análisis de datos temporales (ej. Redes Neuronales recurrentes).
5.9 Ética y consideraciones de seguridad en la aplicación de IA en entornos navales.
5.50 Ejemplos prácticos y casos de estudio iniciales.

**Módulo 6 — Introducción a Series Temporales y Señales Edge**

6.6 Fundamentos de Series Temporales: Definición, componentes y tipos.
6.2 Señales: conceptos básicos, tipos de señales y representación.
6.3 Introducción a Edge Computing: Qué es, beneficios y desafíos.
6.4 Arquitectura de Sistemas Edge: Componentes clave y ejemplos.
6.5 Introducción a la IA en el Edge: Conceptos básicos y aplicaciones.
6.6 Herramientas y Frameworks para el Análisis de Series Temporales y Señales Edge.
6.7 Recolección y Preprocesamiento de Datos en Entornos Navales.
6.8 Visualización y Análisis Exploratorio de Datos Temporales y Señales.
6.9 Introducción a la Detección de Anomalías en Series Temporales.
6.60 Casos de estudio: Aplicaciones de Series Temporales y Señales en la Industria Naval.

**Módulo 7 — Introducción a Series Temporales, Señales e IA**

7.7 Conceptos Fundamentales de Series Temporales: Definición, tipos y características.
7.2 Fundamentos de Señales: Tipos de señales (análogas y digitales), muestreo y cuantificación.
7.3 Introducción a la Inteligencia Artificial (IA): Aprendizaje automático, aprendizaje profundo y sus aplicaciones.
7.4 Aplicaciones de Series Temporales, Señales e IA en el Ámbito Naval: Visión general y ejemplos.
7.7 Herramientas y Lenguajes de Programación para el Análisis de Datos: Introducción a Python y bibliotecas relevantes (NumPy, Pandas, Matplotlib).
7.6 Preprocesamiento de Datos en Series Temporales: Limpieza, manejo de valores faltantes y normalización.
7.7 Transformaciones de Señales: Análisis de Fourier y wavelet para extracción de características.
7.8 Modelos de IA para Series Temporales: Introducción a modelos básicos (regresión lineal y árboles de decisión).
7.9 Introducción a la Arquitectura Edge Computing: Conceptos clave y ventajas para aplicaciones navales.
7.70 Estudio de Casos: Ejemplos de aplicaciones iniciales en el sector naval.

**Módulo 8 — Conceptos clave de series temporales y señales**

8.8 Introducción a las series temporales: definición, características y tipos.
8.8 Fundamentos del procesamiento de señales: conceptos básicos y tipos de señales.
8.3 Representación y análisis de señales en el dominio del tiempo y la frecuencia.
8.4 Técnicas de preprocesamiento de series temporales: limpieza, transformación y normalización.
8.5 Descomposición de series temporales: tendencia, estacionalidad y residuo.
8.6 Métodos básicos de análisis de series temporales: autocorrelación y autocorrelación parcial.
8.7 Introducción al análisis de Fourier y transformadas.
8.8 Muestreo y cuantización de señales en sistemas digitales.
8.8 Aplicaciones de series temporales y señales en el contexto naval.
8.80 Ejemplos prácticos y estudios de caso iniciales.

**Módulo 9 — Fundamentos de Series Temporales y Señales**

9.9 Introducción a las Series Temporales: Definición, Tipos y Aplicaciones.
9.9 Conceptos Clave: Estacionariedad, Tendencia, Estacionalidad y Ruido.
9.3 Técnicas de Preprocesamiento: Limpieza, Normalización y Transformación.
9.4 Análisis de Señales: Tipos, Características y Representaciones.
9.5 Introducción a las Señales en el Contexto Naval: Ejemplos y Aplicaciones.
9.6 Herramientas y Bibliotecas para el Análisis de Series Temporales y Señales.
9.7 Métodos de Visualización para Series Temporales y Señales.
9.8 Fundamentos de Filtros: Filtros Digitales y Aplicaciones.
9.9 Introducción a la Transformada de Fourier y su Aplicación en Señales.
9.90 Casos de Estudio: Análisis de Datos Históricos Navales y Señales.

**Módulo 1 — Introducción a Series Temporales en Sistemas Navales**

1.1 Fundamentos de Series Temporales: Definición y conceptos clave.
1.2 Aplicaciones de Series Temporales en el ámbito naval.
1.3 Fuentes de datos temporales en entornos marítimos.
1.4 Herramientas y software para el análisis de series temporales.
1.5 Preprocesamiento de datos: limpieza y preparación para el análisis.
1.6 Visualización y exploración inicial de series temporales navales.
1.7 Análisis descriptivo: estadísticas y tendencias en datos temporales.
1.8 Introducción a los modelos básicos de series temporales.
1.9 Estudios de caso: aplicaciones prácticas en el contexto naval.
1.10 Desafíos y oportunidades en el análisis de series temporales navales.