Reserva tu vacante con anticipación. Descuento disponible si pagas antes del 10 de Septiembre del 2023.
Gidahatari ha desarrollado un programa completo que ofrece una exploración exhaustiva desde los conceptos básicos hasta las técnicas de vanguardia para el análisis geoespacial, la evaluación de la cobertura de suelos, geomachine learning y el modelamiento de superficies con Python. El programa fue diseñado para brindar al estudiante el conocimiento fundamental para sobresalir en el modelamiento ambiental avanzado, el análisis espacial de coberturas de suelo o machine learning aplicado a las características de la superficie. El contenido del programa incorpora los resultados de la investigación sobre las últimas versiones de las librerías de análisis espacial más poderosas en Python como Shapely, Geopandas, Rasterio, Scikit Image y Landlab.
El programa tiene un enfoque de aprendizaje paso a paso junto con ejemplos aplicados que abarcan desde conceptos básicos de Python hasta el uso más complejo de librerías geoespaciales y machine learning.
Objetivos
Entre los objetivos de este diplomado se encuentran los siguientes:
Comprender los principios y conceptos del análisis geoespacial, incluidos los tipos de datos espaciales, los sistemas de coordenadas, las proyecciones y las técnicas de análisis espacial.
Desarrollar habilidades en el lenguaje de programación Python para tareas de análisis de datos y análisis geoespacial.
Desarrollar habilidades para evaluar y analizar los tipos de cobertura de suelos utilizando datos de teledetección e imágenes satelitales.
Explorar la aplicación de algoritmos y técnicas de machine learning con datos geoespaciales.
Adquirir conocimientos y habilidades en análisis de superficies y modelamiento de procesos superficiales.
Aplicar los conocimientos adquiridos para resolver casos relacionados con la evaluación de la cobertura de suelos, el modelamiento de superficies y el análisis geoespacial.
Contenido
El diplomado se divide en seis módulos.. Consulta el plan de estudios completo del diplomado en este enlace:
El contenido de cada módulo y la descripción de cada sesión se describen a continuación:
Módulo 1: Fundamentos de Python
Este curso desarrolla los conceptos básicos de la programación en Python bajo Anaconda y Jupyter. Los ejercicios cubrirán las estructuras de datos básicos de Python, sentencias condicionales, bucles junto con una introducción a la manipulación de matrices en Numpy, gestión de datos tabulares con Pandas y ejercicios aplicados con datos de precipitación..…más información.
Sesión 01: Distribución Anaconda e Jupyter interfaz.
Sesión 02: Tipos de datos de Python.
Sesión 03: Bucles de Python y estructuras de datos.
Sesión 04: Numpy y matplotlib para recursos hídricos.
Sesión 05: Análisis de datos de precipitaciones con Pandas.
Sesión 06: Análisis y visualización de datos de precipitaciones y caudales..…más información.
Módulo 2: Análisis de datos vectoriales con Python
Una vez que hayamos cubierto el tema de los fundamentos de Python, aprenderemos a usar Python para el análisis de datos vectoriales con diferentes librerías como Shapely, Geopandas y Fiona..…más información.
Sesión 01: Introducción a Fiona.
Sesión 02: Análisis espacial de coliformes totales con Fiona.
Sesión 03: Introducción a Shapely.
Sesión 04: Procesamiento de datos vectoriales espaciales.
Sesión 05: Introducción a geopandas.
Sesión 06: Análisis de zonas inundadas con Geopandas..…más información.
Módulo 3: Análisis de datos ráster con Python
El procesamiento de datos ráster es una tarea importante en el análisis geoespacial que incluye recortar y reproyectar los datos ráster, aplicar álgebra ráster para derivar nuevos rásters y reclasificarlos usando un conjunto de valores..…más información.
Sesión 01: Introducción a Rasterio.
Sesión 02: Funcionamiento básico con imágenes raster - Delimitación de glaciares.
Sesión 03: Procesamiento y análisis de imágenes Landsat 8 con Python y Rasterio.
Sesión 04: Interpolación geoespacial con Python, Scipy, Geopandas y Rasterio.
Sesión 05: Creación de un ráster de elevación a partir de curvas de nivel.
Sesión 06: Delimitación de cuencas hidrográficas y ríos con Python y Pysheds..…más información.
Módulo 4: Identificación de cultivos con Geomachine Learning y Python
Este módulo desarrolla temas enfocados en la identificación / delimitación de cultivos con herramientas geoespaciales y machine learning con Python. El curso cubre los conceptos introductorios de las bibliotecas geoespaciales y una serie de aplicaciones de aprendizaje automático para la identificación de cultivos en olivos, palmeras, agave y campos de maíz..…más información.
Sesión 01: Clasificación de conteo de árboles con Scikit Image y Python.
Sesión 02: Conteo geoespacial de cultivos de palmeras.
Sesión 03: Detección de líneas para cultivos de maíz.
Sesión 04: Python espacial para el reconocimiento de cultivos.
Sesión 05: Identificación interactiva de cultivos de olivos.
Sesión 06: Delimitación de campos de cultivo utilizando el método marching squares con Python..…más información.
Módulo 5: Análisis de cobertura de suelos con Python y librerías geoespaciales
Este curso está orientado a la aplicación de Python y sus librerías de machine learning espacial para casos aplicados de análisis y dinámica de cobertura de suelos. El módulo está específicamente orientado a técnicas de análisis de cobertura de suelos en casos aplicados..…más información.
Sesión 01: Análisis de cambio de cobertura de suelos con Python y Rasterio.
Sesión 02: Análisis de cambio de uso del suelo a partir de datos vectoriales con Python.
Sesión 03: Delimitación de cuerpos de agua con filtros Canny.
Sesión 04: Clasificación de suelos utilizando el algoritmo Naives Bayes con Python.
Sesión 05: Delimitación de glaciares mediante segmentación de imágenes con Scikit Image.
Sesión 06: Delimitación de ríos y zonas ribereñas basada en el análisis de segmentos con Scikit Learn..…más información.
Módulo 6: Modelamiento de procesos superficiales con Landlab y Python
Landlab es una librería de Python para la simulación numérica de procesos superficiales. La librería está diseñada para campos científicos y calcula la dinámica de la superficie terrestre como la geomorfología, hidrología, glaciología, estratigrafía y otras relacionadas. Este curso cubre ejemplos aplicados utilizando Landlab y otras librerías para diferentes casos de análisis de superficies..…más información.
Sesión 01: Introducción al modelamiento de procesos superficiales con Landlab
Sesión 02: Simulación de erosión fluvial con Landlab.
Sesión 03: Delimitación de redes hídricas con Landlab.
Sesión 04: Modelamiento de la evolución de la superficie a escala de cuenca con Python y Landlab.
Sesión 05: Simulación de inundación sobre una superficie con Landlab.
Sesión 06: Simulación del flujo de aguas superficiales y subterráneas en una cuenca conceptual..…más información.
Capacitador
Saúl Montoya M.Sc.
Hidrogeólogo – Modelador Numérico Senior
El Sr. Montoya es Ingeniero Civil de la Universidad Católica en Lima con estudios de postgrado en Manejo e Ingeniería de Recursos Hídricos (Programa WAREM) de la Universidad de Stuttgart – Alemania con mención en Ingeniería de Agua Subterránea e Hidroinformática. El Sr. Montoya tiene gran capacidad analítica para la interpretación, conceptualización y modelamiento del ciclo hídrico superficial, subterráneo y su interacción, también domina los conceptos del transporte de contaminantes y los sistemas de remediación de sitios contaminados.
Encuentra más información sobre las calificaciones y los proyectos principales del Sr. Montoya aquí.
Metodología / Examen
Modalidad: Online con streaming - Sincronico
Algunos detalles sobre la metodología del diplomado:
Los manuales y archivos de los ejercicios serán entregados en nuestra plataforma online.
El curso se desarrollará mediante videos streaming con soporte vital e interacción, los videos grabados estarán disponibles en nuestra plataforma elearning.
Hay soporte en línea para preguntas sobre los ejercicios desarrollados a través de correo electrónico y reunión.
El video de las clases estará disponible durante 6 meses.
Los exámenes de certificación se organizan de la siguiente manera:
El programa consta de 3 exámenes que comprenden el contenido de 2 cursos.
Certificado digital disponible al final del programa con la aprobación del examen.
Para recibir el certificado digital debe presentar los exámenes.
Fecha y hora
El curso se ofrece en sesiones de aproximadamente 1.5 a 2 horas. Todas las sesiones comienzan a las 6:00 p.m., hora de Perú (GMT-5)
Modulo 1 - Septiembre 2023 (11, 13, 18, 20, 25 y 27)
Modulo 2 - Octubre 2023 (09, 11, 16, 18, 23 y 25)
Modulo 3 - Noviembre 2023 (06, 08, 13, 15, 20 y 22)
Modulo 4 - Diciembre 2023 (04, 06, 11, 13, 18 y 20).
Modulo 5 - Enero 2024 (08, 10, 15, 17, 22 y 24)
Modulo 6 - Febrero 2024 (05, 07, 12, 14, 19 y 21)
Costos y medios de pago
Descuento disponible si pagas antes del 10 de Septiembre del 2023.
El costo con el 5% de descuento es de 2850 soles o 885 dólares.
El costo normal del programa es de 3000 soles o 930 dólares.
1. Tarjeta de Crédito - Vía Paypal
Las personas pueden pagar con tarjeta de crédito. Simplemente ponga "Pago por tarjeta" dentro de Medio de Pago y completar el pago:
Luego de realizar el pago enviar el voucher a gestiondelagua@gidahatari.com.
2. Depósito a cuenta (Válido solo en Perú)
Interbank
Depósito a Cuenta Corriente Soles Interbank. Empresa: GIDA S.A.C, RUC: 20544064283
Número de Cuenta: 045‑3001532124
Código de Cuenta Interbancario CCI: 003-045-003001532124-20
Al efectuar el pago, por favor envíenos el voucher escaneado a gestiondelagua@gidahatari.com
3. Transferencia por Western Union (Válido en el extranjero y Perú)
En caso de optar por este medio de pago puede solicitar los datos del destinatario a este correo gabrielacarita@gidahatari.com.
Inscripción
Luego de realizar el depósito o transferencia, llenar el siguiente formulario de inscripción incluyendo la información relacionada a su pago. Al recibir la información le enviaremos un e-mail para confirmar su inscripción.
