Programación Básica de MATLAB

Módulo 1: Entorno de MATLAB, flujos de trabajo y fundamentos de datos

Establece el dominio del ecosistema de desarrollo de MATLAB, cubriendo tanto los flujos de trabajo de escritorio como en la nube, los tipos de datos principales, la entrada/salida (E/S) de archivos y las estrategias de gestión de datos que forman la base para todas las tareas avanzadas de computación técnica.

1.1 El ecosistema de MATLAB: Escritorio, en línea y Drive

• Trabajo con el entorno de escritorio de MATLAB: Ventana de comandos, Editor, Espacio de trabajo, Carpeta actual e Historial de comandos
• MATLAB Online: desarrollo basado en la nube, colaboración en MATLAB Drive y accesibilidad entre dispositivos
• Gestión del espacio de trabajo, rutas de búsqueda y configuración del entorno
• Atajos de teclado, perfiles y personalización del entorno de desarrollo para optimizar la eficiencia en ingeniería

1.2 Tipos de datos fundamentales y fundamentos matemáticos

• Valores literales, variables, convenciones de nomenclatura y asignación en MATLAB
• Escalares, vectores, matrices y arreglos multidimensionales: creación, indexación y manipulación
• Constantes, operadores y funciones matemáticas integradas
• Operaciones con arreglos frente a operaciones con matrices: por elementos frente a álgebra lineal
• Indexación lógica, operadores relacionales y arreglos lógicos para filtrado avanzado
• Arreglos de celdas, estructuras y objetos de referencia para la organización compleja de datos
• Tablas y timetables: el paradigma moderno de datos tabulares de MATLAB para series temporales y datos experimentales

1.3 E/S de archivos e interoperabilidad de datos

• Importación y exportación de archivos CSV, TXT y de texto delimitado
• Trabajo con hojas de cálculo de Excel: operaciones de lectura, escritura y formato
• Formatos de archivo nativos de MATLAB (.mat) y persistencia del espacio de trabajo
• Asistente de importación y generación automática de scripts de importación de datos
• Conectividad de bases de datos: conexión a SQL Server, Oracle, PostgreSQL y bases de datos en la nube
• Datos web: obtención de respuestas JSON, XML y REST API en MATLAB

Competencias alineadas con el mercado: Entorno de desarrollo de MATLAB, Flujo de trabajo de MATLAB Online, Colaboración en MATLAB Drive, Gestión de datos numéricos, Fundamentos de computación científica, Importación y exportación de datos técnicos, Manejo de datos CSV y Excel, Conectividad de bases de datos, Tablas y timetables de MATLAB, Organización de datos estructurados, Básicos de computación matemática, Flujos de trabajo de datos de ingeniería

Módulo 2: Programación en MATLAB, algoritmos y arquitectura de código

Profundiza la capacidad de programación más allá de la sintaxis básica, cubriendo la programación estructurada, MATLAB orientado a objetos, organización del código, depuración, perfilación de rendimiento y mejores prácticas de ingeniería de software para mantener bases de código técnicas robustas.

2.1 Programación estructurada y flujo de control

• Scripts frente a funciones: cuándo utilizar cada uno y mejores prácticas
• li>Lógica condicional: if/else, switch/case y condiciones anidadas
• Bucles: for, while y estrategias de optimización de bucles (vectorización frente a iteración)
• Flujo de control en subfunciones y funciones anidadas
• Manejo de errores y técnicas de depuración: try/catch, assert, dbstop y el depurador de MATLAB

2.2 Programación de funciones y organización del código

• li>Creación de funciones, argumentos de entrada/salida y flexibilidad con varargin/varargout
• Funciones anónimas y referencias de función: programación funcional en MATLAB
• Subfunciones, funciones locales y funciones anidadas
• Organización basada en archivos, paquetes y gestión de paquetes a nivel de carpeta
• Paso por valor frente a paso por referencia (objetos de referencia)

2.3 Programación orientada a objetos en MATLAB

• Clases: definición de propiedades, métodos y niveles de acceso (público/privado/protegido)
• Clases de referencia frente a clases de valor: semántica de valor frente a semántica de referencia
• Constructores, destructores y gestión del ciclo de vida de los objetos
• Herencia, sobrescritura de métodos y clases abstractas
• Implementación de interfaces y manejo de eventos en clases de MATLAB
• Métodos estáticos, propiedades dinámicas y validación de propiedades

2.4 Perfilación, calidad del código y pruebas

• Profiler de MATLAB: identificación de cuellos de botella y optimización de código intensivo en cómputo
• Análisis de cobertura de código y marco de pruebas unitarias MTest
• Integración de control de versiones: flujos de trabajo Git y SVN en el Editor de MATLAB
• Conceptos de Integración Continua (CI/CD) con Jenkins y el pipeline CI de MATLAB
• Advertencias de análisis estático de código y mejores prácticas

Competencias alineadas con el mercado: Programación y scripting en MATLAB, Desarrollo y optimización de algoritmos, Programación orientada a objetos en MATLAB, Arquitectura basada en funciones, Vectorización y optimización de rendimiento, Depuración y manejo de errores en MATLAB, Perfilación de código y ajuste de rendimiento, Pruebas unitarias en MATLAB (MTest), Análisis de cobertura de código, Control de versiones con Git, Integración continua (CI/CD), Estándares profesionales de calidad de código, Ingeniería de software para computación técnica

Módulo 3: Visualización de datos, informes y aplicaciones interactivas

Cubre los fundamentos de la graficación hasta la visualización avanzada, la creación de dashboards interactivos, el desarrollo de GUI con App Designer, scripts en vivo para informes reproducibles y la generación automática de informes para documentación de ingeniería.

3.1 Graficación fundamental y avanzada

• Graficación 2D: gráficos de líneas, diagramas de dispersión, gráficos de barras, gráficos circulares, gráficos de área y barras de error
• Graficación con ejes múltiples: hold, subplot, tiledlayout y posicionamiento de ejes
• Graficación 3D: surf, mesh, contorno, slice y visualización de volúmenes
• Personalización de gráficos: títulos, etiquetas, leyendas, anotaciones, estilos de línea, marcadores y colores
• Mapeos de color, barras de color y gráficos perceptualmente precisos
• Exportación de figuras de alta resolución para publicaciones: formatos (PNG, PDF, SVG, EMF)

3.2 Visualización interactiva y dashboards

• Personalización de figuras con controles de IU: deslizadores, botones, menús desplegables y callbacks
• MATLAB App Designer: creación de aplicaciones de escritorio interactivas con componentes de IU de arrastrar y soltar
• Interacciones en gráficos: zoom, paneo, pincelado y callbacks de selección
• Aplicaciones web: despliegue de visualizaciones de MATLAB como dashboards interactivos en línea

3.3 Scripts en vivo e informes automatizados

• Script en vivo de MATLAB (.mlx): cuadernos ejecutables que combinan código, gráficos y texto formateado
• Soporte de Markdown y LaTeX en scripts en vivo para ecuaciones matemáticas
• Secciones personalizadas de scripts en vivo, parámetros de entrada y flujos de trabajo de compartición
• Generación automática de informes: exportación de scripts en vivo a formatos PDF, HTML y Word

Competencias alineadas con el mercado: Visualización de datos y graficación, MATLAB App Designer, Desarrollo de GUI, Diseño de dashboards interactivos, Autoría de scripts en vivo, Generación de informes técnicos, Presentación de datos científicos, Visualización y graficación 3D, Sistema de gráficos de MATLAB, Visualización de ingeniería, Diseño de figuras de calidad para publicación, Despliegue de aplicaciones web, Computación científica interactiva

Módulo 4: Álgebra matricial, optimización lineal y matemáticas simbólicas

Cobertura exhaustiva del álgebra lineal como núcleo matemático de MATLAB, optimización de programación lineal y computación simbólica para soluciones analíticas. Esencial para aplicaciones de ingeniería, investigación de operaciones y modelado científico.

4.1 Álgebra lineal y operaciones matriciales

• Construcción de matrices: eye, zeros, ones, rand, randn, diag y matrices especiales
• Descomposición matricial: LU, QR, Cholesky, SVD y análisis de valores propios
• Funciones especiales: det, trace, rank, norm, número de condición e inverso pseudo
• Resolución de sistemas lineales: división izquierda (\), mldivide y soluciones de mínimos cuadrados
• Valores y vectores propios y aplicaciones de funciones matriciales (expm, logm, sqrtm)
• Operaciones con matrices dispersas y cómputo eficiente en memoria

4.2 Fundamentos de optimización

• Programación lineal: linprog para optimización con restricciones
• Optimización no lineal: fmincon, fminsearch y fzero
• Ajuste de curvas y estimación de parámetros: fit, polyfit y lsqcurvefit
• Introducción al flujo de trabajo del paquete de herramientas de Optimización

4.3 Matemáticas simbólicas

• Creación de variables simbólicas y manipulación de expresiones simbólicas
• Diferenciación e integración analíticas con dsolve e int
• Aritmética de precisión variable (vpa) para computación de alta precisión
• Transformadas de Laplace y Fourier en modo simbólico
• Resolución analítica de ecuaciones: solve y vpasolve

Competencias alineadas con el mercado: Álgebra lineal y computaciones matriciales, Descomposición y análisis matricial, Optimización y programación matemática, Programación lineal, Optimización no lineal, Ajuste de curvas y aproximación de datos, Matemáticas simbólicas y computación analítica, Transformadas de Laplace, Análisis de valores propios y estabilidad numérica, Computación de matrices dispersas, Computación científica y análisis numérico

Módulo 5: Procesamiento de señales, procesamiento de imágenes y simulación

Aplica las paquetes de herramientas estándar de la industria de MATLAB al análisis de señales, procesamiento de imágenes y simulación de sistemas. Este módulo cubre los paquetes de herramientas más solicitados en telecomunicaciones, procesamiento de audio, ingeniería biomédica e inspección industrial.

5.1 Fundamentos del procesamiento de señales

• Teorema de muestreo: tasa de muestreo, aliasing y criterio de Nyquist
• Generación fundamental de señales: señales sinusoidales, cosenoidales, cuadradas, diente de sierra y chirp
• li>Generación fundamental de señales: señales sinusoidales, cosenoidales, cuadradas, diente de sierra y chirp
• Análisis en el dominio de la frecuencia: FFT, espectrograma y gráficos de magnitud/fase
• Diseño de filtros: filtros FIR e IIR de paso bajo, paso alto, pasa banda y rechaza banda
• Análisis espectral, densidad espectral de potencia y aplicaciones de filtrado
• Denoising de señales, suavizado y detección de envolventes

5.2 Procesamiento de imágenes y video

• Creación, lectura, escritura y visualización de imágenes con el paquete de herramientas de procesamiento de imágenes de MATLAB
• Mejora de imágenes: ajuste de contraste, ecualización del histograma y filtrado
• Segmentación de imágenes: umbralización, detección de bordes y watershed
• Transformaciones geométricas y registro de imágenes
• Operaciones morfológicas: dilatación, erosión, apertura y cierre
• Detección de características: detección de esquinas (Harris), detección de blobs y coincidencia de plantillas

5.3 Introducción a Simulink y modelado de sistemas

• Entorno de Simulink: creación de modelos, biblioteca de bloques y enrutamiento de señales
• Construcción de diagramas de bloques: fuentes, sumideros, bloques continuos/discretos e integradores
• Parámetros de simulación: selección del solucionador, tamaño de paso y duración de la simulación
• Subsistemas, máscaras y bloques de biblioteca para componentes reutilizables
• Análisis de modelos: scopes, mensajes de diagnóstico y explorador de modelos
• Introducción a Simulink para sistemas de control: modelado de planta y simulación de controladores

5.4 Sistemas de control y sistemas dinámicos

• Funciones de transferencia y diagramas de bloques en el paquete de herramientas de sistemas de control
• Análisis de respuesta al escalón, impulso, frecuencia (Bode) y lugar de las raíces
• Fundamentos de diseño y sintonización de controladores PID
• Representación en el espacio de estados y análisis de sistemas

Competencias alineadas con el mercado: Procesamiento Digital de Señales (DSP), Análisis y filtrado de FFT, Procesamiento de imágenes y visión por computadora, Paquete de herramientas de procesamiento de imágenes de MATLAB, Segmentación de imágenes y detección de características, Diseño basado en modelos con Simulink, Ingeniería de sistemas de control, Análisis de funciones de transferencia, Diseño de controladores PID, Simulación de sistemas dinámicos, Análisis espectral, Gráficos de Bode y respuesta en frecuencia, Análisis del lugar de las raíces, Modelado en el espacio de estados, Procesamiento de señales biomédicas, Procesamiento de señales de audio, Inspección industrial y control de calidad

Módulo 6: Aprendizaje automático, aprendizaje profundo e integración de IA

Cubre la creciente capacidad de IA/ML dentro de MATLAB, desde el aprendizaje clásico supervisado y no supervisado hasta redes neuronales profundas, modelos preentrenados e integración con Python para flujos de trabajo de IA híbridos. Aborda el conjunto de habilidades técnicas más demandado en ingeniería hoy en día.

6.1 Aprendizaje automático clásico con MATLAB

• Algoritmos de clasificación: KNN, Bayes ingenuo, SVM, árboles de decisión y métodos de conjunto
• Algoritmos de regresión: regresión lineal, regresión polinómica y regresión regularizada
• Aprendizaje no supervisado: agrupamiento (k-medias, jerárquico), PCA y reducción de dimensionalidad
• Validación de modelos: validación cruzada, matrices de confusión, curvas ROC y métricas de precisión
• Selección de características, preprocesamiento de datos y división de entrenamiento/validación/prueba

6.2 Aprendizaje profundo en MATLAB

• Fundamentos del aprendizaje profundo: arquitectura de redes neuronales, capas y flujo de trabajo de entrenamiento
• Redes Neuronales Convolucionales (CNN) para clasificación de imágenes, utilizando modelos preentrenados (ResNet, GoogLeNet, AlexNet)
• Redes de secuencia a secuencia para series temporales y procesamiento de texto
• Aprendizaje por transferencia: adaptación de modelos preentrenados a conjuntos de datos personalizados
• Diseño de redes profundas: construcción capa por capa con layerPlot y layerGraph
• Gestión del entrenamiento: tamaño del mini-lote, programaciones de tasa de aprendizaje y aceleración GPU

6.3 Integración con Python y flujos de trabajo de IA híbridos

• Llamar a Python desde MATLAB: importación de clases, módulos y bibliotecas de Python
• Uso de frameworks de aprendizaje profundo de Python (TensorFlow, PyTorch) dentro de flujos de trabajo de MATLAB
• Uso de bibliotecas de ML de Python (scikit-learn, pandas) para el preprocesamiento de datos
• Intercambio bidireccional de datos entre arreglos de MATLAB y ndarrays de Python
• Construcción de pipelines de IA híbridos aprovechando las fortalezas de ingeniería de MATLAB y el ecosistema de IA de Python

Competencias alineadas con el mercado: Aprendizaje automático en MATLAB, Aprendizaje supervisado, Aprendizaje no supervisado, Aprendizaje profundo y redes neuronales, Redes Neuronales Convolucionales (CNN), Aprendizaje por transferencia, ML para series temporales, Ingeniería de características, Validación de modelos y evaluación de precisión, Interoperabilidad Python-MATLAB, Integración de Python para IA/ML, TensorFlow y PyTorch en MATLAB, Análisis predictivo, Soluciones de IA para ingeniería, Flujos de trabajo de aprendizaje profundo híbridos, Adaptación de modelos preentrenados, Diseño de arquitectura de redes neuronales

Módulo 7: Computación con GPU, despliegue e integración empresarial

Cubre la computación de alto rendimiento con aceleración GPU, generación de código para despliegue en producción, distribución de aplicaciones, diseño basado en simulación y patrones de despliegue de grado empresarial esenciales para ingenieros senior de MATLAB y líderes de equipo.

7.1 Computación acelerada con GPU y paralela

• Verificación de la disponibilidad de GPU y creación de arreglos de GPU (gpuArray)
• Funciones integradas aceleradas por GPU: matemáticas y aprendizaje profundo acelerados automáticamente
• Paquete de herramientas de computación paralela: parfor para paralelización de bucles
• SPMD (Programa único, múltiples datos) y arreglos distribuidos para HPC
• Computación en clúster y MATLAB Parallel Server para computación a gran escala

7.2 Generación de código y despliegue

• MATLAB Coder: generación de código C/C++ desde funciones de MATLAB para sistemas embebidos y de producción
• Informes de MATLAB Coder: análisis de generación de código, oportunidades de optimización y verificaciones de compatibilidad
• MATLAB Compiler: empaquetado de aplicaciones de MATLAB como ejecutables independientes y bibliotecas compartidas
• Interoperabilidad con Java y .NET para integración empresarial
• MATLAB Production Server: despliegue de código MATLAB como servicios web REST en infraestructura empresarial

7.3 Distribución y compartición de aplicaciones MATLAB

• Publicación de Aplicaciones de MATLAB para distribución interna organizativa
• Compartición de aplicaciones de MATLAB Online vía MATLAB Drive
• Creación de paquetes de herramientas personalizados con App Builder y App Designer

7.4 Simulink para diseño basado en modelos (MBD)

• Generación de código desde modelos de Simulink (Simulink Coder / Embedded Coder)
• Pruebas de hardware-in-the-loop (HIL) y model-in-the-loop (MIL)
• Simulink para simulación de sistemas automotrices, aeroespaciales y de robótica
• Stateflow: modelado de máquinas de estados para lógica de control y sistemas basados en eventos

7.5 IoT y sistemas embebidos

• li>Conexión de MATLAB a hardware físico: paquetes de soporte para Arduino, Raspberry Pi y BeagleBone
• Lectura de datos de sensores en tiempo real: temperatura, acelerómetro, giroscopio, ultrasónico e IMU
• Generación de código C para procesadores ARM embebidos y despliegue en microcontroladores

Competencias alineadas con el mercado: Computación acelerada con GPU, Computación paralela, Computación de alto rendimiento (HPC), Computación en clúster, MATLAB Coder para generación de código C/C++, MATLAB Compiler, Despliegue de aplicaciones independientes, MATLAB Production Server, Despliegue de servicios API REST, Desarrollo de sistemas embebidos, Pruebas de hardware-in-the-loop (HIL), Ingeniería de sistemas basada en modelos (MBSE), Modelado con Stateflow, Generación de código de Simulink, Integración de sensores IoT, Computación en el borde, Adquisición de datos en tiempo real, Integración empresarial de MATLAB, Despliegue organizativo de MATLAB en equipos, Desarrollo de microcontroladores ARM

Módulo 8: Aplicaciones específicas del dominio y proyecto final

Aplica MATLAB en dominios industriales más relevantes para el mercado laboral (ingeniería, finanzas, ciencia de datos y biomédica), culminando con un proyecto final práctico que integra cada habilidad en una solución completa de computación técnica.

8.1 Aplicaciones de MATLAB específicas del dominio

• Ingeniería financiera con MATLAB: optimización de portafolios, análisis de riesgo, simulación de Monte Carlo y valoración de opciones (Black-Scholes)
• Procesamiento de señales biomédicas: filtrado de señales ECG/EEG, extracción de características y visualización
• Simulación de ingeniería: modelado de sistemas mecánicos, eléctricos y térmicos
• Análisis estadístico y pruebas de hipótesis para investigación y aseguramiento de calidad

8.2 Proyecto final: Solución MATLAB de extremo a extremo

• Escenario real completo: ingestión de datos de sensores o experimentales, limpieza y análisis, construcción de un modelo predictivo y generación de una aplicación de dashboard interactiva
• Implementación de una solución basada en clases de MATLAB para el dominio del problema
• Creación de un modelo de Simulink del sistema bajo estudio
• Aplicación de aprendizaje profundo para el reconocimiento de patrones en el conjunto de datos
• Generación de un informe técnico exhaustivo desde un script en vivo
• Documentación del flujo de trabajo y despliegue de la solución en un entorno similar a la producción

8.3 Prácticas profesionales de desarrollo en MATLAB

• Estándares de codificación: guía de estilo de MATLAB (nomenclatura, formato, convenciones de comentario)
• Construcción y documentación de paquetes de herramientas de MATLAB para reutilización en equipo
• Gestión de proyectos grandes de MATLAB: organización de carpetas, dependencias y CI/CD

Competencias alineadas con el mercado: Entrega de soluciones finales, Ingeniería financiera y análisis cuantitativo, Procesamiento de señales biomédicas, Análisis de riesgo de portafolio, Simulación de Monte Carlo, Valoración de opciones, Pruebas de hipótesis estadísticas, Desarrollo de aplicaciones en MATLAB, Estándares de codificación de MATLAB, Documentación técnica e informes, Arquitectura profesional de MATLAB, Simulación y modelado de ingeniería, Finanzas computacionales, Análisis de aseguramiento de calidad, Herramientas y gestión de flujos de trabajo de MATLAB, Colaboración y gobernanza de equipos en MATLAB, Análisis de datos empresariales