CURSO ONLINE DE DEEP LEARNING APLICADO A LOS SIG Y LA TELEDETECCIÓN
MODALIDAD: ONLINE
FECHA: PRÓXIMAMENTE (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 satélite y drones son fundamentales para el análisis territorial, pero las técnicas clásicas de teledetección se quedan cortas ante el gran volumen de datos actual. Este escenario de Big Data es ideal para el Deep Learning, una disciplina de Inteligencia Artificial que diseña redes neuronales capaces de lograr un nivel de automatización muy superior al del Machine Learning convencional.
En este curso, aprenderás a aplicar estas técnicas avanzadas para procesar imágenes y extraer productos georreferenciados explotables en un SIG. Mediante el uso de la librería Keras de Python, dominarás la clasificación de suelos, el conteo automático de elementos (como coches y árboles) y la extracción de geometrías de edificios.
Modalidad Online:
- Acceso 24 horas a nuestra plataforma virtual con contenidos, ejercicios y foros.
- Tutorías en tiempo real con el profesor (2 horas/semana).
- Envía tus dudas al profesor por mensaje privado o correo electrónico en cualquier momento.
La formación a distancia se realiza a través de la plataforma online Moodle, disponible 24 horas. Permite a los alumnos acceder a contenidos, realizar prácticas, consultar al equipo docente y disponer de recursos y ayuda en todo momento. El profesorado apoya y aclara dudas para fomentar la autonomía del alumno.
-
Adquirir conocimientos prácticos en Deep Learning, incluyendo arquitecturas avanzadas, y capacitar al alumno para aplicarlas en el entorno de los SIG y la teledetección.
-
Dominar el lenguaje Python y el entorno de cálculo científico Anaconda, junto a sus librerías clave (NumPy, Matplotlib y Pandas).
-
Familiarizarse con el Machine Learning utilizando la librería Scikit-Learn.
-
Desarrollar modelos avanzados de Deep Learning mediante el uso de la librería Keras.
-
Aprender a manipular y traducir formatos de datos SIG para integrar eficazmente los resultados obtenidos en los análisis de inteligencia artificial.
-
Realizar proyectos prácticos tutorizados que garanticen la asimilación y consolidación de los conocimientos.
El curso está dirigido a profesionales del ámbito de los SIG y la teledetección que deseen dar el salto cualitativo hacia las tecnologías de visión artificial más actuales, optimizando el análisis automatizado de imágenes aéreas y de satélite.
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.
La disponibilidad de imágenes aéreas es masiva y el Deep Learning con Python es la única vía para automatizar su análisis. Este curso te prepara para liderar este campo.
El curso empieza desde cero. Solo es recomendable tener conocimientos básicos de informática. Se recomienda un ordenador con GPU compatible con CUDA para acelerar el entrenamiento de los modelos. Como alternativa gratuita, se puede utilizar Google Colab en la nube (con limitaciones).
Paso 2. Una vez recibido, te enviaremos un mensaje de confirmación con los pasos para el pago.
Paso 4. Recibirás la confirmación de tu 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: Bravo Murillo 50, 1ºC, 28003, 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 de Deep Learning
(40 votos, promedio: 3,88 de 5)
Cargando...
