• Español

Internet de las Cosas

Master's Programme. Academic Year 2024/2025.

Study Programme Structure Chart

El Máster en Internet de las Cosas  se centra en la formación de estudiantes para que sean capaces de trabajar en empresas del sector de las tecnologías de la información, en el ámbito de la recolección automática de datos y su gestión inteligente.

El máster consta de 60 créditos con un módulo básico de 42 créditos, un módulo optativo de 6 créditos, más un Trabajo de Fin de Máster de 12 créditos.

El módulo básico está estructurado en tres materias: Tecnología (18 créditos), Tratamiento inteligente de datos (18 créditos) y Seguridad (6 créditos). En estas materias se desarrollan en profundidad los diferentes aspectos que definen los sistemas encuadrados dentro del marco de Internet de las Cosas. Por un lado, los aspectos tecnológicos que son la base de estos sistemas: sensores, redes, protocolos e interfaces; por otro lado, cómo se realiza el análisis de estos datos de un modo inteligente; y por último, y las cuestiones de seguridad y privacidad subyacentes.

El módulo optativo consta de dos materias de 6 créditos entre las que el alumno deberá elegir: Prácticas en empresa o Laboratorio de Sistemas Inteligentes sobre Internet de las Cosas. La primera asignatura supone la realización de una práctica en una empresa de aquellas con las que la Facultad tiene convenio de colaboración. La segunda asignatura es una asignatura totalmente práctica, en la que el alumno podrá profundizar en la aplicación de Técnicas de Inteligencia Artificial sobre sistemas de Internet de las Cosas.

Módulo Créditos Materia Créditos materia Semestre
Básico        42 Tecnología 18 Primero
Primero
Primero
Tratamiento inteligente de datos 18 Primero
Primero
Segundo
Seguridad 6 Segundo
Optativo 12 (ofertados, el alumno cursa 6) Laboratorio de Sistemas Inteligentes sobre Internet de las Cosas 6 Segundo
Prácticas en empresa 6 Segundo
TFM 12 TFM 12 Segundo

Degree schedule establishment

El curso de inicio será el 2017-2018. Arrancó en Octubre de 2017.

Brief description of modules/units, their sequence, and key skills taught.

 
Master en Internet de las Cosas
Asignatura: Arquitectura del nodo IoTAsignatura en Inglés: IoT end-node architecture 
 
 
Descripción de contenidos mínimos:
  • Placas de desarrollo y procesadores para nodos de adquisición de datos
  • Entorno de desarrollo cruzado y depuración/verificación hardware
  • Sensores de uso más  común: características de un sensor
  • Acondicionamiento de la señal
  • Adquisición de la señal y conversión ADC/DAC
  • Interfaces sensor-procesador: ADC/DAC, buses I2C, SPI.
  • Introducción a tratamiento de señal digital: filtros.
  • Diseño de sistemas de adquisición: especificaciones de diseño.
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG1 - Capacidad para utilizar dispositivos HW y lenguajes de programación de propósito general.
X CE2 - Capacidad para programar sensores y actuadores.
  
Resultados de aprendizajeR1.1. Manejar un entorno de programación y depuración cruzado  para el desarrollo de aplicaciones en nodos de adquisición de datos (CE2. CG1)R1.2. Capacidad de diseñar nodos de un sistema elemental de adquisición de datos para aplicaciones específicas (CG1,CE2)R1.3 Capacidad de diagnosticar el estado y la funcionalidad de los nodos de un sistema de adquisición de datos y proponer soluciones frente a problemas o fallos (CG1,CE2)R1.4. Desarrollar aplicaciones que procesen información adquirida por sensores de diferentes tipos (CG1, CE2) R1.5. Diseñar e implementar las técnicas de procesado de señal adecuadas previas al envío de los datos al siguiente nivel de cómputo (CG1, CE2)
 
Master en Internet de las Cosas
Asignatura: Redes, protocolos e interfaces IAsignatura en Inglés: Networks, protocols and interfaces I 
  
 
Descripción de contenidos mínimos: 
  • Conceptos generales de Internet y particulares de IoT: capas, protocols, paquetes, servicios, parámetros de calidad en redes de paquetes, aplicaciones, comunicaciones P2P, redes de sensores, multimedia.
  • Protocolos de nivel de enlace.
  • Protocolos de red: IPv6. Protocolos de enrutamiento para IoT.
  • Servicios de transporte: TCP, UDP, programación de sockets.
  • Redes móviles: roaming y handoffs, mobile IP, redes ad hoc.
  • Herramientas de evaluación y gestión de las comunicaciones.
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG5 - Conocimiento de la infraestructura de comunicación y computación para sistemas de Internet de las Cosas
X CE8. Capacidad para utilizar los diferentes protocolos de red usados en Internet de la Cosas.
  
Resultados de aprendizaje R2.1. Conocer y manejar los conceptos de la arquitectura de Internet, así como su caso particular en el Internet de las Cosas (CG5)R2.2. Identificar las peculiaridades, restricciones y potencialidades en el diseño de comunicaciones en IoT (CG5)R2.3. Conocer las características de los protocolos de nivel de enlace y de red de mayor difusión en el IoT. Identificar sus limitaciones y ámbitos de aplicación (CG5, CE8)R2.4. Conocer los servicios de transporte de datos, así como su manejo dentro de una arquitectura de red (CG5)R2.5. Identificar los conceptos relacionados con redes de datos móviles, así como las topologías y arquitecturas de red inalámbricas de mayor interés en IoT (CG5)R2.6. Conocer y manejar las herramientas de simulación y gestión de las comunicaciones de mayor presencia actual (CG5) 

 

 
Master en Internet de las Cosas
Asignatura: Redes, protocolos e interfaces IIAsignatura en Inglés: Networks, protocols and interfaces II 
   
 
Descripción de contenidos mínimos: 
  • Redes WBAN y LowPAN.
  • Redes LoWAN
  • Estratificación en la comunicación de datos. Protocolos
  • Limitaciones del nivel de enlace en la transferencia de datos. El paso hacia los protocolos de nivel de aplicación.
  • Principales protocolos a nivel de aplicación:
  • Herramientas para la gestión de flujos de datos: NODE-RED.
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG5 - Conocimiento de la infraestructura de comunicación y computación para sistemas de Internet de las Cosas
X CE8. Capacidad para utilizar los diferentes protocolos de red usados en Internet de la Cosas.
 
Resultados de aprendizaje R3.1. Conocer algunos casos prácticos de aplicación de la comunicación de datos en escenarios IoT (CG5)R3.2. Entender las necesidades cubiertas por los protocolos de nivel de red, así como la estratificación de las comunicaciones de datos en arquitecturas IoT (CG5, CE8)R3.3. Conocer los principales protocolos de comunicación a nivel de aplicación, características y entornos de aplicación (CG5, CE8)R3.4. Conocer y manejar diversas herramientas para la gestión de flujos de datos en IoT (CG5) 

 

 

 
Master en Internet de las Cosas
Asignatura: Tratamiento de datos masivosAsignatura en Inglés: Big Data Treatment 
   
Descripción de contenidos mínimos: 
  • Introducción a Big Data
  • Bases de datos NoSQL
  • Arquitecturas Big Data: coste y requerimientos
  • Big Data en la nube,
  •  Análisis científico de datos
  • Machine Learning
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG2 – Conocimiento de las principales técnicas de diseño de sistemas inteligentes y su aplicabilidad a distintos contextos.
 X CE3 – Capacidad para desarrollar los procesos de adquisición, abstracción y preparación de datos abiertos y heterogéneos obtenidos a partir de los sensores, en particular, de imágenes, señales numéricas y textuales.
X CE4 -  Capacidad de almacenar datos masivos heterogéneos en bases de datos NoSQL.
X CE5 -  Capacidad de desarrollar y evaluar técnicas avanzadas de análisis, minería de datos y aprendizaje automático y modelos predictivos sobre datos masivos (Big Data).
X CE6 -  Conocer y aplicar técnicas complejas de abstracción y visualización de datos masivos.
  
Resultados de aprendizaje R4.1. Reconocer cuando un conjunto de datos requiere soluciones orientadas a datos masivos. (CG2, CE3, CE4)R4.2. Evaluar y proponer soluciones eficientes de almacenamiento, tanto en clúster locales como mediante alojamiento en la nube. (CE3, CE4)R4.3. Conocer y ser capaz de seleccionar las mejores herramientas para la gestión y extracción de información a partir de estos datos de forma eficiente, teniendo en cuenta las características particulares del almacenamiento distribuido seleccionado. (CG3, CE5, CE6)

 

 
Master en Internet de las Cosas
Asignatura: Diseño de infraestructura inteligente para el Internet de las CosasAsignatura en Inglés 
  
 
Descripción de contenidos mínimos:
  • Especificación y diseño de backend y front-end para sistemas IoT inteligentes.
  • Aplicaciones y servicios web
  • Desarrollos multi-plataforma
  • Acceso a fuentes de datos abiertos y/o heterogéneos para soportar procesos inteligentes
  • Diseño e implementación de sistemas distribuidos inteligentes.
  • Mecanismos para integrar inteligencia utilizando tecnologías distribuidas.
  • Plataformas para la creación de software empresarial (CORBA, RMI, .NET, J2EE) y enfoques emergentes (Blockchain).
  • Integración con software corporativo (ERP, CRM, BPM, CMS) con énfasis en la integración a nivel de fuentes de datos
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG2 – Conocimiento de las principales técnicas de diseño de sistemas inteligentes y su aplicabilidad a distintos contextos.
X CG3 - Conocimiento de conceptos y  dominios de aplicación de Internet de las Cosas: robótica, domótica, smart cities, transporte inteligente, monitorización (médica, ambiental, personas), finanzas, smart contracts, smart property, etc.
X CE1 - Conocimiento del proceso de desarrollo: Arquitectura y componentes orientados a crear sistemas distribuidos inteligentes.
X  CE3 – Capacidad para desarrollar los procesos de adquisición, abstracción y preparación de datos abiertos y heterogéneos obtenidos a partir de los sensores, en particular, de imágenes, señales numéricas y textuales.
   
Resultados de aprendizaje R5.1. Conocer qué tecnologías para desarrollar front-end están disponibles para su funcionamiento en distintas plataformas móviles con especial foco en tecnologías web (aplicaciones web) (CG2, CE1) R5.2. Identificar los elementos y funciones principales del sistema usando técnicas de captura de requisitos que tengan en cuenta problemática inherente al IoT y definan el tipo de inteligencia deseado (CG2, CG3, CE1, CE3)R5.3. Identificar las particularidades de los conceptos de control aplicables para la coordinación de los sistemas distribuidos inteligentes (CE1) R5.4. Conocer técnicas para integrar software con sistemas propietarios (CG2, CG3, CE1, CE3) R5.5. Conocer soluciones arquitectónicas que permitan coordinación asíncrona entre los componentes del sistema (CE1)

 

 
Master en Internet de las Cosas
Asignatura: Inteligencia artificial aplicada a Internet de las CosasAsignatura en Inglés: Artificial Inteligence 
   
 
Descripción de contenidos mínimos: 
  • Percepción computacional en datos procedentes de fuentes heterogéneas: visión artificial, lenguaje natural y otras capacidades sensoriales.
  • Interfaces inteligentes.
  • Aprendizaje Automático: Deep Learning.
  • Modelado y representación del conocimiento.
  • Técnicas de razonamiento y toma de decisiones
 
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG2 – Conocimiento de las principales técnicas de diseño de sistemas inteligentes y su aplicabilidad a distintos contextos.
X CG3 - Conocimiento de conceptos y  dominios de aplicación de Internet de las Cosas: robótica, domótica, smart cities, transporte inteligente, monitorización (médica, ambiental, personas), finanzas, smart contracts, smart property, etc.
X CE5 -  Capacidad de desarrollar y evaluar técnicas avanzadas de análisis, minería de datos y aprendizaje automático y modelos predictivos sobre datos masivos (Big Data).
X CE6 -  Conocer y aplicar técnicas complejas de abstracción y visualización de datos masivos.
X CE7 - Conocer y aplicar técnicas de inferencia y razonamiento para sistemas inteligentes en tiempo real.
  
Resultados de aprendizajeR6.1. Conocer métodos de captura y representación de datos procedentes de fuentes heterogéneas en IoT (dispositivos, interfaces). (CG2, CG3, CE6) R6.2. Conocer y aplicar métodos de análisis, tratamiento y estructuración de datos como paso previo a su posterior procesamiento. (CG2, CG3, CE5, CE6, CE7) R6.3. Conocer métodos y estrategias de tratamiento y procesamiento de la información en sistemas inteligentes (CG2, CE7) R6.4. Conocer y aplicar métodos de modelado y representación del conocimiento subyacente en los datos tratados (CG2, CG3, CE5, CE6) R6.5. Conocer y aplicar técnicas avanzadas para la toma de decisiones basada en conocimiento (CG2, CE7) R6.6. Aplicar técnicas de IoT a diversos dominios prácticos: robótica, domótica, entornos inteligentes (CG3, CE7)

 


Master en Internet de las Cosas y Sistemas Inteligentes
AsignaturaSeguridad Asignatura en Inglés: Security

 

Descripción de contenidos mínimos:

  • Conceptos básicos de Seguridad.
  • Seguridad en las Comunicaciones (cifrado, firmas, certificados digitales, PKI y autenticación mutua).
  • Seguridad en Sistemas (hardware, usuarios, programación segura y ejecución de aplicaciones)
  • Seguridad en Infraestructura de Red y Servicios (ataques en protocolos de red a distintos niveles, cortafuegos, IDS/IPS y VPN)
  • Aspectos legales de la Internet de las Cosas

Competencias de la asignatura: (Marcar con X las competencias cubiertas)

X CG4 - Conocimiento de los aspectos relevantes de seguridad y privacidad.

Resultados de aprendizaje 

R7.1. Ser capaz de evaluar las amenazas de seguridad a la que un sistema IoT puede verse sometido. (CG4) R7.2. Ser capaz de proponer e implementar medidas eficaces de protección, tanto reactivas como proactivas. (CG4, CE9) R7.3. Disponer de las herramientas necesarias para poder expandir por su cuenta su conocimiento en el área de la seguridad en IoT. (CG4, CE9)

 

 

 


Master en Internet de las Cosas y Sistemas Inteligentes
AsignaturaLaboratorio de sistemas inteligentes sobre Internet de las Cosas Asignatura en Inglés:
 
Descripción de contenidos mínimos:
  • Prácticas de métodos de captura y representación de datos procedentes de fuentes heterogéneas en IoT.
  • Aplicaciones prácticas de integración de los datos en sistemas distribuidos inteligentes, plataformas de software empresarial o corporativas.
  • Aplicación de técnicas de I.A. en distintos escenarios de IoT:
    • Percepción computacional,
    • Aprendizaje automático,
    • Modelado de conocimiento,
    • Técnicas de razonamiento
Competencias de la asignatura: (Marcar con X las competencias cubiertas) 
X CG4 - Conocimiento de los aspectos relevantes de seguridad y privacidad.
Resultados de aprendizaje 

R8.1. Ser capaz de capturar e integrar datos provenientes de fuentes heterogéneas. (CE6) R8.2. Ser capaz de trabajar con plataformas de software de empresa usados en Internet de las Cosas (CG2) R7.3. Disponer de las herramientas necesarias para usar ltécnicas de rezonamiento y de aprendizaje automático en entornos de Internet de las Cosas. (CG4, CE5, CE7)

 

 

Study guides

Fichas docentes de las asignaturas correspondientes al curso 2019-2020

Collaboration Agreements and Students Exchange Programmes

Acuerdos Erasmus+ de la Facultad de Informática, incluyendo grado, máster y doctorado

Internships (agreements with public or private institutions, tutoring programmes, application procedures, selection criteria ...)

Se trata de una materia optativa de 6 ECTS. Las prácticas externas son estancias del estudiante en entornos de trabajo fuera de la universidad, en empresas cuya actividad esté relacionada con la Informática (incluyendo también empresas de telecomunicaciones y de consultoría, auditoría y gestoría), con los siguientes objetivos:

  • conocer el entorno funcional, operativo y tecnológico de una empresa del sector;
  • profundizar en los conocimientos, capacidades y actitudes propias del profesional de la Ingeniería Informática;
  • vincular a los estudiantes con la realidad empresarial del sector informático;
  • complementar la formación teórica con la experiencia práctica.

Los contenidos de cada práctica externa podrán variar en función de la naturaleza de la empresa o de los departamentos donde el alumno vaya a realizar sus prácticas. Se realizarán en régimen de becario, de acuerdo a la legislación vigente, y en virtud de un convenio entre la UCM y la entidad donde se realicen las prácticas. Los procedimientos para establecer prácticas en empresa se describen en detalle en la página para prácticas académicas externas de esta facultad.

La Facultad de Informática mantiene una relación activa con empresas del sector de las TIC. Estas empresas no solo reciben alumnos para realizar prácticas sino que colaboran de un modo más próximo financiando premios, impartiendo cursos gratuitos para nuestros estudiantes o realizando donaciones de software.

Si bien la Facultad podrá canalizar ofertas de empresas, la obtención de esta beca depende del estudiante. Por este motivo, se recomienda también consultar los servicios que ofrece la UCM para este fin en la Oficina de Prácticas y Empleo (OPE) cuyo cometido es la regulación y gestión de prácticas en empresa.

El estudiante tendrá un tutor en la empresa donde realiza las prácticas y un tutor en el centro que será el Vicedecano de Relaciones Externas e Investigación, o algún otro profesor en quien delegue. El reconocimiento de créditos por prácticas externas atenderá a los siguientes criterios:

  • El objeto de las prácticas se inscribirá en el ámbito propio de la titulación cursada por el alumno.
  • Las prácticas podrán realizarse en empresas u otras entidades, públicas o privadas, incluyendo universidades y organismos dependientes de la Administración Pública.
  • Antes de la realización de las prácticas debe presentarse una solicitud informando de las tareas a realizar por el estudiante para considerar su posible aprobación.
  • Al final del periodo de prácticas debe solicitarse el reconocimiento de créditos incluyendo un informe por parte del alumno de las actividades realizadas, y otro informe del tutor de la empresa en el que se valorarán las actividades del estudiante. El tutor de centro valorará estos informes y calificará las prácticas.
  • Cada crédito corresponderá a treinta horas de actividad.

Para el seguimiento y evaluación de las prácticas externas se recabará información de los estudiantes que participen en las prácticas mediante informes individuales de los estudiantes, de los tutores y coordinadores o responsables de dichas prácticas.

Para más información consulta la página de prácticas en empresa.

Admission of students including those from mentoring and/or refugee programmes

Además de consultar la información detallada sobre acceso y admisión al máster, para cualquier duda o aclaración sobre los estudios, se puede dirigir a cualquiera de los miembros del comité de tutelaje.

El coordinador de los programas de posgrado en la Facultad de Informática puede emitir cartas de preadmisión en los programas de máster o doctorado a aquellos estudiantes extranjeros que así lo requieran para solicitar una beca predoctoral en sus países de origen. Esta preadmisión no es definitiva y queda condicionada a que el estudiante realice y cumpla todos los trámites y condiciones de admisión y acceso previstos por la Universidad Complutense y en los plazos dispuestos para ello.

Para solicitar la preadmisión, deberá enviar una solicitud de preadmisión a:

Narciso Martí Oliet 
Vicedecano de Posgrado y Formación Continua 
C/ Profesor José García Santesmases, 9 
28040 Madrid 
tel. + 34 91 394 7515 
e-mail: vdpfdi@ucm.es

Con la solicitud de preadmisión se debe incluir la siguiente documentación:

  • Currículum detallado
  • Certificación oficial de cursos y/o asignaturas realizados con indicación expresa de la calificación
  • Pasaporte o DNI

Con el objetivo de que esta solicitud pueda ser atendida en tiempo y forma debe enviarse al menos un mes y medio antes de la fecha en la que se necesite la respuesta para que la Comisión de Posgrado pueda analizarla en una de sus reuniones ordinarias. Los criterios para evaluar estas solicitudes serán los mismos que los aplicados para la admisión de alumnos.

Para transferencia y reconocimiento de créditos, se aplica la normativa correspondiente de la Universidad Complutense de Madrid, disponible en http://www.ucm.es/normativa

Final Research project / dissertation

La tutorización de los TFMs la realizarán los profesores que imparten docencia en el máster. Cada año los profesores ofertarán una relación de trabajos a realizar y los alumnos elegirán entre ellos.