Programación Básica de MATLAB

Módulo 1: Entorno de MATLAB, Flujos de Trabajo y Fundamentos de Datos

Establece un 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 Unit 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 con MATLAB Drive y accesibilidad entre dispositivos
• Gestión del espacio de trabajo, rutas de búsqueda y configuración del entorno
• Atajos, perfiles y personalización del entorno de desarrollo para la eficiencia ingenieril

1.2 Tipos de Datos Principales y Fundamentos Matemáticos

• 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 versus operaciones matriciales: elemento por elemento versus álgebra lineal
• Indexación lógica, operadores relacionales y arreglos lógicos para filtrado avanzado
• Arreglos de celdas, estructuras (structs) y objetos manejadores para la organización compleja de datos
• Tablas y cronotablas: 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 automatizada de importación de datos
• Conectividad a bases de datos: conexión con 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 MATLAB, Flujo de Trabajo MATLAB Online, Colaboración con 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 Cronotablas MATLAB, Organización de Datos Estructurados, Fundamentos de Computación Matemática, Flujos de Trabajo de Datos de Ingeniería

Módulo 2: Programación en MATLAB, Algoritmos y Arquitectura de Código

Profundiza la competencia en programación más allá de la sintaxis básica, cubriendo programación estructurada, MATLAB orientado a objetos, organización del código, depuración, perfilación de rendimiento y mejores prácticas de ingeniería de software para código técnico mantenible.

2.1 Programación Estructurada y Flujo de Control

• Scripts versus funciones: cuándo usar 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 versus 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 manejadores de funciones: 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 versus paso por referencia (objetos manejadores)

2.3 Programación Orientada a Objetos en MATLAB

• Clases: definición de propiedades, métodos y niveles de acceso (público/privado/protegido)
• Clases manejadoras versus clases de valor: semántica de valor versus 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

• Perfilador 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
• Avisos de análisis estático de código y mejores prácticas

Competencias alineadas con el mercado: Programación y Scripting en MATLAB, Desarrollo y Optimización de Algoritmos, Programación MATLAB Orientada a Objetos, 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 de 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 paneles interactivos, el desarrollo de GUI con App Designer, scripts en vivo para informes reproducibles y la generación automatizada de informes para documentación de ingeniería.

3.1 Graficación Fundamental y Avanzada

• Graficación 2D: gráficos de líneas, dispersión, barras, pastel, área y barras de error
• Graficación de múltiples ejes: hold, subplot, tiledlayout y posicionamiento de ejes
• Graficación 3D: surf, mesh, contorno, corte y visualización de volúmenes
• Personalización de gráficos: títulos, etiquetas, leyendas, anotaciones, estilos de línea, marcadores y colores
• Mapas 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 Paneles de Control

• Personalización de figuras con controles de interfaz: deslizadores, botones, menús desplegables y devoluciones de llamada
• App Designer de MATLAB: creación de aplicaciones de escritorio interactivas con componentes de interfaz arrastrando y soltando
• Interacciones en gráficos: zoom, paneo, cepillado y devoluciones de llamada de selección
• Aplicaciones web: implementación de visualizaciones de MATLAB como paneles de control 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 del Script en Vivo, parámetros de entrada y flujos de trabajo de intercambio
• Generación automatizada de informes: exportación de Scripts en Vivo a formatos PDF, HTML y Word

Competencias alineadas con el mercado: Visualización y Graficación de Datos, App Designer de MATLAB, Desarrollo de GUI, Diseño de Paneles Interactivos, Autoría de Script 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, Implementación de Aplicaciones Web, Computación Científica Interactiva

Módulo 4: Álgebra Matricial, Optimización Lineal y Matemática Simbólica

Cobertura completa del álgebra lineal como el 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 de matrices: LU, QR, Cholesky, SVD y análisis de valores propios
• Funciones especiales: det, traza, rango, norma, número de condición e inversa pseudoinversa
• 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 computación 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 Toolbox de Optimización

4.3 Matemáticas Simbólicas

• Creación de variables simbólicas y manipulación de expresiones simbólicas
• Diferenciación e integración analítica 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 Cálculos 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, Cálculo de Matrices Dispersas, Computación Científica y Análisis Numérico

Módulo 5: Procesamiento de Señales, Procesamiento de Imágenes y Simulación

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

5.1 Fundamentos del Procesamiento de Señales

• Teoría 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 paso bajo, paso alto, paso banda y rechaza banda
• Análisis espectral, densidad espectral de potencia y aplicaciones de filtrado
• Denoising, suavizado y detección de envolvente de señales

5.2 Procesamiento de Imágenes y Vídeo

• Creación, lectura, escritura y visualización de imágenes con la Toolbox 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 cerradura
• Detección de características: detección de esquinas (Harris), detección de manchas y coincidencia de plantillas

5.3 Introducción a Simulink y Modelado de Sistemas

• Ambiente 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 la planta y simulación del controlador

5.4 Sistemas de Control y Sistemas Dinámicos

• Funciones de transferencia y diagramas de bloques en la Toolbox de Sistemas de Control
• Análisis de respuesta al escalón, al impulso, frecuencial (Bode) y lugar de las raíces
• Fundamentos del diseño y ajuste de controladores PID
• Representación en espacio de estados y análisis de sistemas

Competencias alineadas con el mercado: Procesamiento Digital de Señales (DSP), Análisis FFT y Filtrado, Procesamiento de Imágenes y Visión por Computadora, Toolbox 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, Gráfico de Bode y Respuesta Frecuencial, Análisis del Lugar de las Raíces, Modelado en 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 capacidad de IA/ML en rápido crecimiento dentro de MATLAB, desde el aprendizaje clásico supervisado/no supervisado hasta redes neuronales profundas, modelos preentrenados e integración con Python para flujos de trabajo híbridos de IA. Aborda el conjunto de habilidades técnicas más demandado en la 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-means, 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 entrenamiento
• Redes Neuronales Convolucionales (CNN) para clasificación de imágenes, usando modelos preentrenados (ResNet, GoogLeNet, AlexNet)
• Redes 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 por GPU

6.3 Integración con Python y Flujos de Trabajo Híbridos de IA

• 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 híbridos de IA 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 de 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, Implementación e Integración Empresarial

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

7.1 Computación Acelerada por GPU y Paralela

• Verificación de disponibilidad de GPU y creación de arreglos GPU (gpuArray)
• Funciones integradas aceleradas por GPU: matemáticas y aprendizaje profundo automáticamente acelerados
• Toolbox de Computación Paralela: parfor para paralelización de bucles
• SPMD (Single Program Multiple Data) y arreglos distribuidos para HPC
• Computación en clústeres y MATLAB Parallel Server para computación a gran escala

7.2 Generación de Código e Implementación

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

7.3 Distribución y Compartición de Apps de MATLAB

• Publicación de Apps de MATLAB para distribución organizacional interna
• Compartición de apps de MATLAB Online vía MATLAB Drive
• Creación de toolboxes personalizadas 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 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 estado para lógica de control y sistemas basados en eventos

7.5 IoT y Sistemas Incorporados

• li>Conexión de MATLAB a hardware físico: soporte de paquetes 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 incorporados e implementación en microcontroladores

Competencias alineadas con el mercado: Computación Acelerada por GPU, Computación Paralela, Computación de Alto Rendimiento (HPC), Computación en Clústeres, MATLAB Coder para Generación de Código C/C++, MATLAB Compiler, Implementación de Aplicaciones Independientes, MATLAB Production Server, Implementación de Servicios API REST, Desarrollo de Sistemas Incorporados, Pruebas 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 (Edge Computing), Adquisición de Datos en Tiempo Real, Integración Empresarial MATLAB, Implementación Organizacional MATLAB de Equipo, Desarrollo de Microcontroladores ARM

Módulo 8: Aplicaciones Específicas del Dominio y Proyecto Final

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

8.1 Aplicaciones MATLAB Específicas del Dominio

• Ingeniería financiera con MATLAB: optimización de portafolios, análisis de riesgo, simulación de Monte Carlo y valuación 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 la calidad

8.2 Proyecto Final: Solución MATLAB Integral

• Escenario real completo: ingestión de datos de sensores o experimentales, limpieza y análisis, construcción de un modelo predictivo y generación de una aplicación de panel 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 integral desde un Script en Vivo
• Documentación del flujo de trabajo e implementación 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 comentarios)
• Construcción y documentación de toolboxes de MATLAB para reutilización en equipo
• Gestión de proyectos MATLAB grandes: organización de carpetas, dependencias y CI/CD

Competencias alineadas con el mercado: Entrega de Soluciones del Proyecto Final, Ingeniería Financiera y Análisis Cuantitativo, Procesamiento de Señales Biomédicas, Análisis de Riesgo de Portafolios, Simulación de Monte Carlo, Valuación de Opciones, Pruebas de Hipótesis Estadísticas, Desarrollo de Aplicaciones MATLAB, Estándares de Codificación MATLAB, Documentación Técnica e Informes, Arquitectura Profesional de MATLAB, Simulación y Modelado de Ingeniería, Finanzas Computacionales, Análisis de Aseguramiento de la Calidad, Herramientas y Gestión de Flujos de Trabajo de MATLAB, Colaboración y Gobernanza de Equipos en MATLAB, Análisis de Datos Empresariales