Curso online
Duración : 6 Meses
Vivimos rodeados de datos y cada vez es mas complicado gestionar y obtener conclusiones con el gran volumen de información (“Big Data”) que existe en la actualidad.
Este máster pretende englobar tres cursos de TYC GIS los cuales abarcan tres pilares básicos si quieres ser científic@ de datos: “Machine Learning”, “Deep Learning” y “Visualización de Datos”.
A lo largo de esta formación se va a trabajar con datos geoespaciales (datos tanto vectorial como ráster) para analizarlos y visualizarlos con novedosas herramientas de gran relevancia y que aportarán al alumno suficientes capacidades para llevar a cabo proyectos relacionados con esta temática.
Al final del curso, los alumnos habrán adquirido los conocimientos necesarios para ser un Data Scientist con los que mostrar y analizar información geoespacial, de una manera accesible, coherente y profesional.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
• Enseñar al alumno los conocimientos más actuales y novedosos en el campo del análisis de datos científicos (Data Science) asociados con los Sistemas de Información Geográfica (SIG). • Dar a conocer los programas y extensiones que permitirán al usuario analizar, visualizar y sacar conclusiones de sus datos científicos. • Realizar ejercicios prácticos que permitan al alumno la asimilación de conocimientos en este área de manera que pueda desarrollar proyectos en este sentido.
A quién va dirigido
El curso está dirigido a todos aquellos estudiantes y profesionales que estén interesados en mejorar su perfil profesional en Data Science y la visualización de información. Es necesario tener conocimientos básicos de estadística y de manejo de un SIG para asimilar lo mejor posible la formación aportada.
Requisitos
Es importante también contar con un ordenador equipado con Windows 10 y una GPU compatible con CUDA.
Temario completo de este curso
PARTE I: INTRODUCCIÓN AL LENGUAJE DE PROGRAMACIÓN R
Ud.1 - PROGRAMACIÓN CON RPARTE II: MACHINE LEARNING
Ud.3 - INTRODUCCIÓN A MACHINE LEARNINGPARTE III: LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y MACHINE LEARNING
Ud.7 - ANÁLISIS DE DATOS VECTORIALES Y RPráctica 1: Clasificación de tipos de suelo en imágenes de Sentinel 2.
Evaluación
Práctica 3: Clasificación de escenas en imágenes de Google Earth con CNN
Ud.5 - DETECCIÓN DE OBJETOSPráctica 4: Detección de árboles con RetinaNet
Práctica 5: Detección de vehículos con RetinaNet
Evaluación
Ud.6 - SEGMENTACIÓN SEMÁNTICAPráctica 6: Implementación de un modelo para segmentar edificios en imágenes de satélite.
Práctica 7: Segmentación de edificios en imágenes de satélite con U-Net.
Evaluación.
Ud.7 - MANIPULACIÓN DE DATOS SIG EN PYTHONPráctica 8: Implementación de un sistema de Deep Learning con datos en formato SIG.
Evaluación.
BLOQUE III: CURSO VISUALIZACIÓN DE DATOS CON TABLEAUUd.1 - INTRODUCCIÓN VISUALIZACIÓN DATOS Y TABLEAUEvaluación
Ud.3 - VISUALIZACIÓNEvaluación
Ud.5 - ¿CÓMO CONTAR UNA HISTORIA GRÁFICA? DATA STORELLINGEvaluación.
Ud.6 - PROYECTO TABLEAUEvaluación
BLOQUE IV: DESARROLLO PROYECTO DEL CURSOEn esta unidad se establecerán las bases para el desarrollo del proyecto del curso.