CURSO ONLINE DE DEEP LEARNING APLICADO A LOS SIG Y LA TELEDETECCIÓN

MODALIDAD: ONLINE

FECHA: 27 DE JUNIO - 22 DE SEPTIEMBRE (100 horas)

PRECIO: 800€ (matrícula normal) | 720€ (matrícula estudiante/desempleado)

EMPRESA: Subvencionable a través de la FUNDACIÓN ESTATAL PARA LA FORMACIÓN EN EL EMPLEO

Las imágenes de drones y de satélite son un recurso fundamental del análisis del territorio. Pese a que son una fuente de datos extraordinaria y cada vez más fácil de conseguir, su análisis y extracción de productos derivados con técnicas clásicas de teledetección en Sistemas de Información Geográfica no es suficiente para grandes volúmenes de datos.

Este Big Data es un entorno ideal para ser analizado con técnicas de Inteligencia Artificial (IA) como el Deep Learning. El Deep Learning consiste en el diseño de algoritmos que tratan de imitar el cerebro humano aprendiendo hasta niveles superiores que el Machine Learning.

En este curso el alumno adquiere las nociones básicas para aplicar estas técnicas en el análisis de imágenes y extraer productos georreferenciados para ser explotados en un SIG o GIS.

Utilizando la librería Keras de Python y usando imágenes aéreas aprenderás a clasificar tipos de suelos, detectar y contar coches y árboles automáticamente o extraer la geometría de edificios de forma georreferenciada.

En la modalidad online el alumno accede a nuestra plataforma virtual de formación (disponible 24 horas) donde tiene acceso a los contenidos del curso, ejercicios, foros de debate y contenidos adicionales. En esta plataforma el alumno tiene acceso a las tutorías en tiempo real con el profesor (2 horas a la semana) y puede enviar mensajes privados al profesor para solucionar dudas en cualquier momento. También pueden ponerse en contacto con el profesor mediante correo electrónico.

  • La obtención, por parte del alumno, de conocimientos prácticos de deep learning, incluidas arquitecturas avanzadas, y la capacidad de aplicarlos en el entorno de los SIG y la teledetección.
  • El aprendizaje del lenguaje Python, sus herramientas para desarrollar modelos de deep learning y manipular datos de SIG.
  • Realizar proyectos para afianzar los conocimientos prácticos.
  • El aprendizaje de Python y su entorno para cálculo científico Anaconda, junto a las librerías Numpy, Matplotlib y Pandas.
  • Familiarizarse con el machine learning usando la librería Scikit Learn.
  • La obtención, por parte del alumno de conocimientos prácticos de deep learning, creando diferentes modelos con Keras.
  • Aprender a manipular formatos de datos SIG para traducir los resultados del análisis realizado con los modelos de deep learning.

El curso está dirigido a cualquier profesional del ámbito de los SIG o la teledetección que quiera usar las tecnologías de visión artificial más actuales para analizar imágenes aéreas.

Ud.1 - PROGRAMACIÓN EN PYTHON

  • Introducción a Anaconda
  • Fundamentos de Python
  • Instalación de librerías y de un entorno para deep learning y SIG
  • Numpy: Manejo y operaciones con arrays
  • Gráficas con Matplotlib
  • Pandas, manipulación de datos

Evaluación

Ud.2 - INTRODUCCIÓN AL MACHINE LEARNING

  • Inteligencia artificial, machine learning frente a enfoque tradicional
  • Tipos de sistemas de machine learning
  • ¿Cómo aprenden los ordenadores?
  • Aprendizaje supervisado con Scikit-Learn
  • ¿Qué es deep learning?
  • Deep learning aplicado a imágenes aéreas
  • Keras y Tensorflow

Evaluación.

Ud.3 - DEEP LEARNING, REDES NEURONALES

  •  ¿Qúe es una red neuronal artificial?
  • Aprendizaje en redes neuronales artificiales
  • Evaluación del modelo
  • Generalización, sobreajuste, regularización

Práctica 1: Clasificación de tipos de suelo en imágenes de Sentinel 2

Evaluación.

Ud.4 - REDES NEURONALES CONVOLUCIONALES

  • Ventajas de las redes neuronales convolucionales (CNN)
  • Estructura y componentes

Práctica 2: Clasificación de tipos de suelo en imágenes de Sentinel 2 con CNN

  • Arquitecturas relevantes y aprendizaje por transferencia
  • Aumento de datos y generadores de datos

Práctica 3: Clasificación de escenas en imágenes de Google Earth con CNN

Evaluación.

Ud.5 - DETECCIÓN DE OBJETOS

  • Estrategias y arquitecturas para la detección de objetos
  • Evaluación de modelos de detección
  • RetinaNet. Descripción e instalación de la implementación

Práctica 4: Detección de árboles con RetinaNet

Práctica 5: Detección de vehículos con RetinaNet

Evaluación.

Ud.6 - SEGMENTACIÓN SEMÁNTICA

  • ¿Qúe es la segmentación semántica?

Práctica 6: Implementación de un modelo para segmentar edificios en imágenes de satélite

  • Arquitecturas relevantes para la segmentación
  • Evaluación de modelos de detección
  • U-Net. Descripción e instalación de la implementación

Práctica 7: Segmentación de edificios en imágenes de satélite con U-Net

Evaluación.

Ud.7 - MANIPULACIÓN DE DATOS SIG EN PYTHON

  • Manipulación de datos en formato raster
  • Manipulación de datos en formato vectorial

Práctica 8: Implementación de un sistema de deep learning con datos en formato SIG

Evaluación.

Ud.8 - DESARROLLO DEL PROYECTO

Se planteará un proyecto final del curso y se proporcionarán los recursos necesarios para su realización.

Adrián Pascual Bernal

Graduado en Ingeniería Electrónica y Automatización Industrial por la Universidad de Extremadura.

Experiencia en el desarrollo de sistemas de visión artificial y machine learning, programación GIS con Python y prototipado electrónico.

¿Por qué aprender deep learning con Python?

La disponibilidad de imágenes aéreas actual no tiene precedentes, y las previsiones indican este volumen de datos no hará más que crecer. Esto hace del deep learning una herramienta valiosa para extraer información útil de dichas imágenes de forma automática. Por otra parte Python es el lenguaje de facto para crear modelos de deep learning, siendo casi un requisito para estar al día en este campo.

¿Necesito conocimiento previos de Python?

No, el curso comienza desde cero. No obstante, es muy recomendable tener conocimientos de informática.

¿Que equipo necesito para realizar el curso?

Es muy recomendable contar con un equipo con una GPU compatible con CUDA, de otro modo el entrenamiento de los modelos más grandes puede requerir tiempos excesivamente largos. Existe la opción de utilizar Google Collabs para entrenar los modelos en la nube de forma gratuita, aunque esto tiene ciertas limitaciones.

Soy trabajador con nómina en una empresa, ¿Puedo subvencionar este curso a través de la Fundación Estatal para la formación en el Empleo?

Así es, lo único que necesitas es que tu empresa se ponga en contacto con nosotros y firmemos un Convenio de colaboración formativa. Es importante tener en cuenta que este trámite puede hacerse como máximo 7  días antes de la acción formativa por lo que la inscripción al curso deberá realizarse antes de esos días.

La formación a distancia utiliza la plataforma tecnológica y de formación online Moodle, una herramienta telemática a través de Internet. Se trata de una plataforma de aprendizaje que permite al alumno/a acceder a los contenidos del curso y realizar prácticas y consultas al equipo docente, así como disponer de los recursos y la ayuda que se necesiten en cualquier momento.

La plataforma está disponible 24 horas al día y a través de la misma el alumno/a podrá solicitar ayuda del profesorado en todo momento. El equipo docente procurará reforzar la autonomía del alumno/a en su proceso formativo, apoyando y aclarando todas las dudas y dificultades surgidas en el desarrollo de la acción formativa.

El curso se lleva a cabo por tanto, a través de los distintos espacios que están disponibles en la plataforma y en los que el alumno/a puede consultar material formativo online, descargar información, realizar ejercicios prácticos y realizar ejercicios de evaluación que permitan poner en práctica los conocimientos adquiridos.

800 € (normal) / 720 € (reducida)*

* Para disfrutar del precio reducido tan sólo es necesario aportar algún documento oficial que indique su situación de estudiante o desempleado.

** Curso subvencionable a través de la Fundación Estatal para la Formación en el Empleo. Si es trabajador con nómina en una empresa española, puede acceder al crédito anual para la formación continua de los trabajadores. Puede solicitar más información en el correo formacion@tycgis.com.

** Si desea conocer el precio en otras monedas, puede consultarlo en el siguiente conversor online: The Money Converter

iconos para matriculacion-01

Paso 1. Rellena el formulario de inscripción y envíalo a formacion@tycgis.com.

iconos para matriculacion-02

Paso 2.  En cuanto lo recibamos, te enviaremos un mensaje de confirmación con los pasos a seguir para la realización del pago.

iconos para matriculacion-03

Paso 3. Realiza el pago y envíanos el justificante del mismo a formacion@tycgis.com.

iconos para matriculacion-04

Paso 4. Recibirás la confirmación de la matrícula.

Consulta nuestra * Política de devolución.

TRANSFERENCIAS NACIONALES:

NÚMERO DE CUENTA: 0049 1809 222710347481 (Banco Santander)

BENEFICIARIO: TYC GIS Soluciones Integrales SL

CONCEPTO: “Nombre Alumno” y CURSO ON DEEP LEARNING

TRANSFERENCIAS INTERNACIONALES:

NOMBRE DEL BANCO: Banco Santander

DIRECCIÓN DEL BANCO: Glorieta Ruiz Jiménez 1, 28015 Madrid (España).

BENEFICIARIO: TYC GIS Soluciones Integrales SL

DIRECCIÓN DEL BENEFICIARIO: Calle Fuencarral 158, Entreplanta, Oficina 16-17 28010 Madrid

NÚMERO DE CUENTA: ES90 0049 1809 222710347481

SWIFHT: BSCHESMM    –    IBAN: ES90

Si tiene dificultades para realizar el pago, contacte con formacion@tycgis.com

Valora el curso

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (26 votos, promedio: 4,12 de 5)
Cargando...

COMENTARIOS Y OPINIONES DE NUESTROS ALUMNOS

La realización del curso me ha permitido descubrir nuevas aplicaciones de los SIG en mi ámbito profesional, las cuales me van a facilitar cálculos y van a ser un gran apoyo a la hora de estudiar alternativas en cuanto a ubicación de proyectos y la valoración de las posibles afecciones generadas por actividades futuras.
Adela SobalerIngeniera Ambiental y de Minas