Aplicaciones de Machine Learning en la Ingeniería de Procesos

Al finalizar el curso los asistentes estarán en capacidad de:

• Aplicar técnicas de Machine Learning para optimizar y controlar procesos industriales, con un enfoque en la ingeniería de procesos.

• Utilizar los principios de los modelos de Machine Learning, incluyendo regresión, clasificación, clustering y métodos de aprendizaje supervisado y no supervisado.

• Comprender el vocabulario fundamental en Machine Learning y su aplicación en la simulación y optimización de procesos industriales.

• Crear y validar modelos predictivos utilizando Python, adaptándolos a las necesidades de la industria de procesos.

• Identificar cómo las distintas variables y parámetros del sistema afectan el rendimiento de los modelos de Machine Learning aplicados a procesos industriales.

• Modelar modos de operación en tiempo real basados en datos extraídos de procesos industriales, mejorando la eficiencia y reduciendo costos.

Al finalizar el curso el asistente:

• Optimiza procesos, mejora la calidad del producto y reduce costos de proceso aplicando modelos de Machine Learning.
• Desarrolla modelos de Machine Learning robustos y escalables, integrando datos industriales utilizando, eficazmente, herramientas computacionales como Python.

• Analiza y valida datos de procesos industriales a través de modelos de Machine Learning, mejorando la comprensión de las relaciones entre las variables de proceso y su impacto en el rendimiento.

• Aplica conocimientos en la implementación o mejora de procesos industriales mediante modelos de Machine Learning, adaptándolos a diversas escalas de trabajo y asegurando su eficacia en entornos de producción reales.

• Crea modelos predictivos y de control basados en ajustes estadísticos y técnicas de Machine Learning que puedan ser implementados en sistemas de control de procesos.

El curso Aplicaciones de Machine Learning en la Ingeniería de Procesos prepara a los estudiantes para una variedad de roles profesionales tales como:

Ingeniero de Procesos Especializado en Machine Learning:

Profesionales capaces de diseñar y validar modelos de Machine Learning para optimizar procesos en la industria manufacturera, química y energética.

Analista de Datos Industriales:

Especialistas en el análisis de grandes volúmenes de datos de procesos industriales para identificar patrones y tendencias que puedan ser aprovechados para mejorar la producción.

Consultor en Inteligencia Artificial para la Industria:

Consultores que asesoran a empresas en la implementación de soluciones de Machine Learning para la optimización de procesos y toma de decisiones.

1. Introducción a Machine Learning en Ingeniería de Procesos
2. Fundamentos teóricos en Machine Learning aplicado a procesos industriales
3. Regresión y clasificación en el contexto de procesos industriales
4. Clustering y análisis de datos industriales
5. Implementación de modelos en Python 
6. Aplicaciones en la industria: Casos de estudio
7. Validación y escalabilidad de modelos en entornos de producción.

Profesionales del sector industrial con orientación hacía la optimización y el control de procesos, y profesionales afines con interés en estas áreas. Estudiantes de octavo semestre en adelante, de ingeniería química, industrial o mecánica  o áreas afines con conocimientos en procesos.

César Augusto Garcia Echeverry

Ingeniero Químico, Máster en Ingeniería Química y Doctor en Ingeniería Química con una destacada trayectoria en el ámbito de la innovación, el desarrollo y el control avanzado de procesos en la industria. Ha liderado importantes proyectos de optimización, entre los que destaca su participación en el proyecto de RTO (Real-Time Optimization) para una planta de producción de gas natural asociada a Petrobras. Su carrera se ha enfocado en la identificación de oportunidades y la mejora continua de procesos en industrias como la manufactura de pulpa y papel.

Formación Académica

• Doctor en Ingeniería Química Universidad Nacional de Colombia – Sede Bogotá
• Máster en Ingeniería Química  Programa en colaboración con DAAD, cursado en inglés.  Universidad de AntioquíaIngeniero Químico – Universidad de Cartagena

Experiencia profesional en la Industria.

• Ingeniero de Innovación y Desarrollo: Proyecto RTO para planta de producción de gas natural asociada a Petrobras.  
• Consultor Senior en Control Avanzado: Especialista en la identificación de oportunidades de mejora y optimización de procesos industriales, con un enfoque en modelado y control avanzado.
• Consultor en Optimización de Procesos Industriales: Consultoría en modelado, automatización y optimización de procesos en la industria de manufactura.

Francisco Ibáñez Espinel

Perfil Profesional: Ingeniero Químico, Magíster en Ciencias de la Ingeniería Química y Doctor en Ciencias de la Ingeniería Química, con una sólida formación académica y profesional. Especialista en Data Sciences y control avanzado de procesos, ha acumulado una destacada trayectoria en la industria y en el ámbito académico. Su experiencia abarca la gestión de datos y optimización de procesos en diversas industrias, así como la formación de futuros profesionales en el área de la ingeniería.

Experiencia Profesional:

• Ingeniero Especialista de Data Sciences: Aplicación de ciencias de datos y analítica avanzada para la mejora de procesos mineros. SGS Chile (3 años).
• Ingeniero de Data Sciences: Desarrollo de proyectos de ciencia de datos orientados a la optimización y control de procesos en múltiples sectores. BairesDev (3 años).
• Profesor Asistente: Impartir docencia, desarrollo de contenidos académicos y supervisión de trabajos de investigación en el área. Cursos: Diseño en Ingeniería Biológica, Dinámica y Control de Procesos, Diseño de Experimentos, Optimización y Análisis Multivariado, Análisis de Biosistemas, Biotecnología Microbiana. Pontificia Universidad Católica de Chile (desde 2019).

Educación:

• Doctor en Ciencias de la Ingeniería Química
  Pontificia Universidad Católica de Chile
• Magíster en Ciencias de la Ingeniería Química
  Universidad Técnica Federico Santa María
• Ingeniero Químico
  Universidad América

• Intensidad: 20 horas de clase en directo con los instructores.

• Frecuencia de las sesiones: lunes, martes y miércoles.

• Horario: 7:00 pm a 9:00 pm. – zona horaria de Bogotá – Colombia.

• Fecha de inicio: 18 de noviembre de 2024

• Entrega de certificado: se debe participar mínimo en el 80% de las sesiones.

• Entrega de memorias del curso: el material estará a disposición de los asistentes electrónicamente.