El curso presenta las bases del control de flujo en computación cuántica y la aparición de los circuitos dinámicos como nuevas estructuras de control.
Se abordarán los fundamentos teóricos, limitaciones y ejemplos prácticos de hardware y software, analizando sus posibles aplicaciones y líneas de investigación futuras en el ámbito de la computación cuántica avanzada.
En el taller básico de redes de sensores, hemos aprendido a almacenar los datos de sensores LoRaWAN en hojas de cálculo de Google.
Google Apps Script es una plataforma de desarrollo basada en Javascript que permite crear código para automatizar tareas.
En este taller vamos a automatizar el procesado de datos de los sensores con app script para crear alertas por correo electrónico bajo parámetros definidos por los usuarios.
Este curso ofrece una introducción accesible al mundo de la computación cuántica, abordando sus fundamentos teóricos, sus diferencias con la computación clásica y sus principales aplicaciones en la resolución de problemas complejos.
A lo largo de dos módulos, los participantes conocerán tanto los conceptos esenciales de la mecánica cuántica aplicados a la informática, como las tecnologías actuales de los ordenadores cuánticos, sus puertas lógicas, algoritmos y lenguajes de programación, así como las plataformas disponibles para el desarrollo y la experimentación.
El Círculo acoge una nueva edición de CÁCERES TECH con una charla dedicada a Vibe Coding: una forma innovadora de programar trabajando con agentes de IA como si fueran compañeros de equipo. Durante la sesión se mostrarán ejemplos prácticos de cómo organizar a estos agentes para generar código útil, integrarlos en el flujo diario de desarrollo y aplicar cambios mínimos para obtener valor sin comprometer la estabilidad de producción. Se abordarán casos concretos donde esta metodología impulsa la eficiencia y situaciones en las que no resulta ventajosa, junto con estrategias de testing, buenas prácticas y el nuevo papel del ingeniero en entornos con IA.
En este curso, exploraremos cómo aplicar los principios ágiles para gestionar proyectos de manera eficiente, flexible y centrada en el valor que generan. Aprenderemos a dominar metodologías como Scrum y Kanban, y descubriremos cómo fomentar la colaboración y la adaptación continua en entornos de trabajo dinámicos.
El curso “Modelización de problemas lineales mediante grafos y redes. Aplicaciones” presenta los grafos y redes como herramientas matemáticas para representar y resolver problemas complejos en distintos ámbitos de la ingeniería y la ciencia de datos.
A lo largo de la formación, los participantes aprenderán a modelizar problemas como el cálculo de rutas óptimas o el diseño de redes de forma gráfica, y a aplicar distintos algoritmos de optimización. Además, se trabajará con software especializado que facilita la resolución de estos problemas y la toma de decisiones en escenarios reales.
Todas las industrias poseen numerosos equipos o sistemas. Todos estos equipos fallan y, por lo tanto, necesitan de mantenimiento para poder volver a estar de nuevo operativos. Tradicionalmente el mantenimiento se realizaba a intervalos periódicos de tiempo aún incluso cuando el sistema estaba funcionando (mantenimiento preventivo) o en el momento en el que el sistema falla (mantenimiento reactivo). Con el desarrollo de los sensores, el mantenimiento predictivo está ganando terreno a las dos estrategias de mantenimiento anteriores. El mantenimiento predictivo es una estrategia de mantenimiento que se basa en la monitorización de equipos y sistemas con el fin de conocer su estado, detectar signos iniciales de fallos y predecir el tiempo de vida útil
del mismo. La monitorización de equipos, la adquisición de datos de dicha monitorización y el análisis de los mismos permiten identificar patrones y determinar indicadores útiles para realizar tareas de mantenimiento proactivo,
es decir, antes de que el fallo del sistema se produzca porque se haya detectado un signo temprano de fallo. Este curso se centra en el análisis de datos
y la exploración de técnicas estadísticas necesarias para implementar estrategias de mantenimiento predictivo
