Ingeniería de Computación Heterogénea para AD — CPU/GPU/NPUs, scheduling, thermal/power budgeting.

2.2 Arquitectura Heterogénea en plataformas navales: CPU/GPU/NPU para simulaciones, visión y control en tiempo real
2.2 Requisitos de certificación para sistemas embarcados heterogéneos: normas, seguridad, confiabilidad y interoperabilidad
2.3 Gestión térmica y energética en entornos marítimos: disipación, enfriamiento, eficiencia y límites de consumo
2.4 Programación heterogénea para entornos navales: modelos, APIs (CUDA/OpenCL), NPU, scheduling y paralelismo
2.5 Planificación y scheduling de recursos en sistemas embarcados: colas, prioridades, QoS, balanceo de carga y ahorro energético
2.6 Optimización de rendimiento y consumo: balance entre CPU/GPU/NPU, profiling, tuning dinámico
2.7 Integración de aceleradores en sistemas de misión: procesamiento de radar, sonar, navegación, visión, IA en buques
2.8 MBSE/PLM para soluciones heterogéneas en ingeniería naval: hilo digital, gestión de cambios, trazabilidad
2.9 Gestión de riesgos tecnológicos y readiness: TRL/CRL/SRL y estrategias de mitigación para hardware y software
2.20 Casos de estudio: go/no-go con matriz de riesgos para despliegue de arquitectura heterogénea en buques

3.3 Fundamentos de la Computación Heterogénea: roles de CPU/GPU/NPU y escenarios de aplicación en sistemas navales
3.2 Arquitecturas y jerarquías: CPU, GPU, NPU, memoria y interconexiones para rendimiento óptimo
3.3 Programación heterogénea: modelos y APIs (CUDA/OpenCL/Vulkan Compute/Metal) y patrones de offloading
3.4 Scheduling y gestión de cargas: asignación eficiente entre CPU, GPU y NPU, dependencias y granularidad
3.5 Gestión térmica y energía: control térmico, DVFS, estrategias de refrigeración y consumo
3.6 Optimización de rendimiento: paralelización, localización de datos, ancho de banda y latencia
3.7 Profiling y diagnóstico: herramientas de análisis (nsys, nvprof, perf, VTune) y métricas clave
3.8 Portabilidad y escalabilidad: diseño portable entre plataformas heterogéneas y mantenimiento de código
3.9 Fiabilidad y seguridad: resiliencia ante fallos, monitoreo, actualizaciones y seguridad de datos
3.30 Caso práctico: go/no-go con matriz de riesgos para una carga de trabajo heterogénea

4.4 Introducción a la Arquitectura Heterogénea: definición, alcance y motivación
4.2 Componentes clave: CPU, GPU, NPU, FPGA y aceleradores específicos
4.3 Programación heterogénea: modelos, APIs y paradigmas (SIMD, SIMT)
4.4 Scheduling y gestión de recursos: asignación de tareas, concurrencia y paralelismo
4.5 Consideraciones de eficiencia energética y térmica
4.6 Arquitecturas de memoria y coherencia en entornos heterogéneos
4.7 Patrones de diseño y optimización: rendimiento vs consumo
4.8 Herramientas y entornos de desarrollo: compiladores, depuradores, simuladores
4.9 Métricas de rendimiento y pruebas de rendimiento específicas para sistemas heterogéneos
4.40 Aplicaciones navales y casos de estudio: simulación, procesamiento de señales y visión

## Módulo 5 — Introducción a la Computación Heterogénea

5.5 Fundamentos de la Arquitectura Heterogénea: CPU, GPU, NPU.
5.5 Introducción a la Programación Heterogénea: OpenCL, CUDA, OpenMP.
5.3 Conceptos de Scheduling y Planificación de Tareas en Sistemas Heterogéneos.
5.4 Principios de Gestión Térmica y Energética en Arquitecturas Heterogéneas.
5.5 Desafíos y Oportunidades de la Computación Heterogénea.
5.6 Herramientas y Entornos de Desarrollo para la Programación Heterogénea.
5.7 Análisis del Rendimiento y Optimización de Código en CPU/GPU/NPU.
5.8 Diseño de Aplicaciones para Arquitecturas Heterogéneas: Ejemplos Prácticos.
5.9 Introducción a la Inteligencia Artificial y Machine Learning en Hardware Heterogéneo.
5.50 Tendencias Futuras y Evolución de la Computación Heterogénea.

**Módulo 6 — Fundamentos de Computación Heterogénea**

6.6 Introducción a la computación heterogénea: conceptos y evolución.
6.2 Arquitecturas CPU, GPU y NPU: características y diferencias clave.
6.3 Paradigmas de programación: programación paralela y distribuida.
6.4 Modelos de memoria: acceso a datos en sistemas heterogéneos.
6.5 Herramientas y entornos de desarrollo: compiladores, depuradores y bibliotecas.
6.6 Sistemas operativos y entornos de ejecución para computación heterogénea.
6.7 Fundamentos de la planificación y el scheduling en arquitecturas heterogéneas.
6.8 Análisis de rendimiento y métricas en sistemas heterogéneos.
6.9 Casos de uso y aplicaciones iniciales de la computación heterogénea.
6.60 Tendencias futuras y desafíos en la computación heterogénea.

**Módulo 2 — Programación Heterogénea: CPU/GPU/NPU**

2.6 Introducción a la programación heterogénea: conceptos y objetivos.
2.2 Modelos de programación paralela: OpenMP, CUDA, OpenCL.
2.3 Desarrollo de aplicaciones para CPU: optimización y paralelización.
2.4 Programación GPU: CUDA y otras APIs.
2.5 Programación NPU: TensorFlow Lite, PyTorch y otras herramientas.
2.6 Transferencia de datos entre CPU, GPU y NPU: optimización y sincronización.
2.7 Diseño de algoritmos para arquitecturas heterogéneas.
2.8 Depuración y perfilado de aplicaciones heterogéneas.
2.9 Ejemplos de programación práctica: código y análisis de rendimiento.
2.60 Buenas prácticas y consejos para la programación heterogénea.

**Módulo 3 — Scheduling y Planificación en Arquitecturas**

3.6 Introducción al scheduling y la planificación en sistemas heterogéneos.
3.2 Algoritmos de scheduling: FIFO, Round Robin, Prioridad, etc.
3.3 Planificación en CPU: planificación de tareas y procesos.
3.4 Planificación en GPU: gestión de hilos y bloques.
3.5 Planificación en NPU: gestión de tareas de inferencia.
3.6 Balanceo de carga: técnicas para optimizar el rendimiento.
3.7 Políticas de scheduling: factores de decisión y consideraciones.
3.8 Herramientas de análisis y monitorización del scheduling.
3.9 Implementación y configuración de schedulers personalizados.
3.60 Desafíos y tendencias futuras en el scheduling heterogéneo.

**Módulo 4 — Optimización Térmica y Energética**

4.6 Introducción a la optimización térmica y energética en sistemas heterogéneos.
4.2 Conceptos de gestión térmica: disipación de calor y refrigeración.
4.3 Métodos de reducción de potencia: DVFS, clock gating.
4.4 Optimización del código para reducir el consumo energético.
4.5 Herramientas de medición y análisis del consumo energético y térmico.
4.6 Diseño de sistemas de refrigeración: disipadores, ventiladores, líquido.
4.7 Modelado y simulación térmica y energética.
4.8 Control de la temperatura: técnicas y algoritmos.
4.9 Mejora de la eficiencia energética en la programación paralela.
4.60 Tendencias en la optimización térmica y energética: nuevos materiales y diseños.

**Módulo 5 — Gestión de Recursos CPU/GPU/NPU**

5.6 Introducción a la gestión de recursos en sistemas heterogéneos.
5.2 Gestión de memoria: asignación, liberación y optimización.
5.3 Gestión de la CPU: afinidad de procesadores, núcleos y hilos.
5.4 Gestión de la GPU: uso de recursos, streaming multiprocesadores.
5.5 Gestión de la NPU: optimización de la utilización, inferencia.
5.6 Planificación de recursos: algoritmos y estrategias.
5.7 Técnicas de virtualización: virtualización de GPU y CPU.
5.8 Monitorización del rendimiento y análisis de cuellos de botella.
5.9 Implementación de estrategias de gestión de recursos.
5.60 Casos de estudio: optimización de aplicaciones con gestión de recursos.

**Módulo 6 — Arquitectura Heterogénea Avanzada**

6.6 Arquitecturas de interconexión: buses, switches y redes en chip.
6.2 Memoria compartida y coherencia de caché en sistemas heterogéneos.
6.3 Arquitecturas NUMA y diseño de sistemas distribuidos.
6.4 Arquitecturas de GPU: tarjetas gráficas, módulos de procesamiento.
6.5 Arquitecturas de NPU: unidades de procesamiento neuronal, aceleradores.
6.6 Diseño de sistemas heterogéneos: consideraciones y desafíos.
6.7 Cómputo en la nube y edge computing con arquitecturas heterogéneas.
6.8 Sistemas embebidos y arquitecturas heterogéneas.
6.9 Diseño de hardware y software co-diseño.
6.60 Tendencias en la arquitectura heterogénea: nuevos avances y paradigmas.

**Módulo 7 — Control y Eficiencia Energética**

7.6 Estrategias avanzadas de control térmico: sensores, algoritmos de control.
7.2 Control de la velocidad del reloj y DVFS.
7.3 Técnicas de apagado de componentes: clock gating, power gating.
7.4 Optimización del consumo energético en el software.
7.5 Optimización del consumo energético en la programación paralela.
7.6 Análisis de rendimiento energético y análisis de consumo.
7.7 Herramientas y técnicas de medición y monitorización.
7.8 Diseño de sistemas eficientes: selección de componentes y estrategias.
7.9 Sistemas de alimentación y gestión de energía (PMIC).
7.60 Tendencias en el control y la eficiencia energética: IA y ML para la optimización.

**Módulo 8 — Aplicaciones y Casos Prácticos**

8.6 Aplicaciones de la computación heterogénea en visión por computador.
8.2 Aplicaciones en inteligencia artificial y aprendizaje automático.
8.3 Aplicaciones en el procesamiento de señales.
8.4 Aplicaciones en el diseño de software y aplicaciones gráficas.
8.5 Aplicaciones en simulación y modelado.
8.6 Aplicaciones en el sector automotriz: conducción autónoma.
8.7 Aplicaciones en el sector aeroespacial: procesamiento de datos.
8.8 Casos de estudio: optimización de aplicaciones.
8.9 Diseño de proyectos prácticos con computación heterogénea.
8.60 Perspectivas futuras de la computación heterogénea y su impacto en la sociedad.

**Módulo 7 — Introducción a la Computación Heterogénea**

7.7 Conceptos fundamentales de la arquitectura heterogénea: CPU, GPU, NPU.
7.2 Paralelismo y computación en diferentes tipos de procesadores.
7.3 Introducción a la programación heterogénea: OpenCL, CUDA, OpenMP.
7.4 Primeros pasos en la optimización de código para CPU/GPU/NPU.
7.7 Visión general del scheduling y gestión de recursos en sistemas heterogéneos.
7.6 Principios básicos de la gestión térmica y energética.
7.7 Herramientas y entornos de desarrollo para la computación heterogénea.
7.8 Ejemplos prácticos y casos de estudio introductorios.
7.9 Tendencias futuras en computación heterogénea.
7.70 Introducción al modelado y simulación de sistemas heterogéneos.

**Módulo 8 — Introducción a la Computación Heterogénea**

8.8 Fundamentos de la Arquitectura Heterogénea: CPU, GPU, NPU
8.8 Paradigmas de Programación en Sistemas Heterogéneos
8.3 Introducción al Scheduling y la Planificación de Tareas
8.4 Modelado y Simulación de Sistemas Heterogéneos
8.5 Conceptos Básicos de Optimización Térmica y Energética
8.6 Herramientas y Entornos de Desarrollo para Computación Heterogénea
8.7 Ejemplos de Aplicaciones en la Vida Real
8.8 Métricas de Rendimiento y Eficiencia Energética
8.8 Desafíos y Tendencias Futuras en Computación Heterogénea
8.80 Estudio de Casos: Arquitecturas Heterogéneas en la Industria

**Módulo 9 — Arquitectura Heterogénea: Introducción y Fundamentos**

9.9 Introducción a la Computación Heterogénea: Conceptos y Evolución
9.9 Arquitectura CPU: Fundamentos y Rendimiento
9.3 Arquitectura GPU: Fundamentos y Paralelismo
9.4 Arquitectura NPU: Fundamentos y Aplicaciones
9.5 Modelos de Programación Heterogénea: CPU, GPU, NPU
9.6 Introducción al Scheduling: Planificación de Tareas
9.7 Gestión Térmica y Energética: Conceptos Básicos
9.8 Herramientas de Análisis y Monitoreo en Sistemas Heterogéneos
9.9 Casos de Estudio: Aplicaciones en la Vida Real
9.90 Desafíos y Tendencias Futuras en Arquitecturas Heterogéneas

**Módulo 1 — Fundamentos de la Arquitectura Heterogénea**

1.1 Introducción a la arquitectura CPU/GPU/NPU.
1.2 Principios de programación heterogénea.
1.3 Conceptos básicos de planificación y scheduling.
1.4 Fundamentos de la gestión térmica y energética.
1.5 Componentes y diseño de sistemas heterogéneos.
1.6 Tipos de memoria y jerarquía en arquitecturas heterogéneas.
1.7 Modelos de programación comunes (OpenCL, CUDA, etc.).
1.8 Introducción a las herramientas de desarrollo y depuración.

**Módulo 2 — Programación en Entornos Heterogéneos**

2.1 Técnicas avanzadas de programación heterogénea CPU/GPU/NPU.
2.2 Desarrollo de kernels y optimización de código.
2.3 Diseño de algoritmos para ejecución paralela.
2.4 Sincronización y comunicación entre dispositivos.
2.5 Uso de bibliotecas especializadas (cuBLAS, cuDNN, etc.).
2.6 Manejo de datos y transferencia entre CPU y GPU.
2.7 Programación con directivas (OpenMP, OpenACC).
2.8 Análisis de rendimiento y profiling de código.

**Módulo 3 — Planificación y Scheduling Avanzado**

3.1 Estrategias de scheduling en arquitecturas heterogéneas.
3.2 Optimización del uso de la CPU, GPU y NPU.
3.3 Algoritmos de planificación dinámicos y adaptativos.
3.4 Planificación basada en la carga de trabajo.
3.5 Técnicas de paralelización de tareas.
3.6 Scheduling para aplicaciones de alto rendimiento.
3.7 Herramientas de simulación y análisis de scheduling.
3.8 Consideraciones de latencia y rendimiento.

**Módulo 4 — Optimización Térmica y Energética**

4.1 Principios de gestión térmica en sistemas heterogéneos.
4.2 Técnicas de reducción del consumo energético.
4.3 Optimización del rendimiento por vatio (performance per watt).
4.4 Monitoreo y control de la temperatura y el consumo.
4.5 Estrategias de enfriamiento y disipación de calor.
4.6 Diseño de sistemas con eficiencia energética.
4.7 Implementación de técnicas de ahorro de energía (DVFS, etc.).
4.8 Análisis de impacto ambiental y sostenibilidad.

**Módulo 5 — Gestión de Recursos CPU/GPU/NPU**

5.1 Asignación y gestión de memoria en arquitecturas heterogéneas.
5.2 Uso eficiente de los recursos de la CPU (núcleos, caché).
5.3 Optimización del uso de la GPU (SMs, warp).
5.4 Gestión de recursos de la NPU (aceleradores, unidades de procesamiento).
5.5 Balanceo de carga y gestión de colas.
5.6 Técnicas de virtualización y particionamiento de recursos.
5.7 Herramientas para el monitoreo y control de recursos.
5.8 Análisis de cuellos de botella y optimización.

**Módulo 6 — Arquitecturas Heterogéneas en Profundidad**

6.1 Estudio detallado de la arquitectura de CPU, GPU y NPU.
6.2 Arquitecturas específicas de GPU (Nvidia, AMD).
6.3 Arquitecturas específicas de NPU (Google TPU, Apple Neural Engine).
6.4 Interconexión y comunicación entre dispositivos.
6.5 Diseño de sistemas en chip (SoC) heterogéneos.
6.6 Tecnologías de memoria de alto ancho de banda (HBM, GDDR).
6.7 Optimización de aplicaciones para diferentes arquitecturas.
6.8 Tendencias futuras en arquitectura heterogénea.

**Módulo 7 — Control y Eficiencia Energética**

7.1 Técnicas de control de potencia y voltaje.
7.2 Monitorización y control de la temperatura en tiempo real.
7.3 Implementación de políticas de ahorro de energía.
7.4 Optimización de la eficiencia energética en el software.
7.5 Diseño de sistemas de enfriamiento inteligente.
7.6 Análisis de las implicaciones de la eficiencia energética.
7.7 Herramientas de simulación y análisis energético.
7.8 Estándares y regulaciones sobre eficiencia energética.

**Módulo 8 — Aplicaciones Prácticas y Casos de Estudio**

8.1 Desarrollo de aplicaciones prácticas con arquitecturas heterogéneas.
8.2 Estudio de casos en computación de alto rendimiento (HPC).
8.3 Aplicaciones en inteligencia artificial y aprendizaje automático.
8.4 Aplicaciones en visión por computador y procesamiento de imágenes.
8.5 Aplicaciones en simulación y modelado científico.
8.6 Aplicaciones en el campo de la robótica y la automatización.
8.7 Optimización de aplicaciones en la nube y en edge computing.
8.8 Proyectos finales y presentación de resultados.