PYTHON BÁSICO
Objetivos de Aprendizaje
Comprender el entorno Python
Aprender los comandos más usados en el ámbito laboral.
Aprender a expresarnos a través de Python
Crear un proyecto final y entendible.
Plan de Estudio
Módulo IV: Funciones y
Módulo I: Introducción a Python
programación estructurada
Ventajas y desventajas
4.1. Funciones
1.2. Instalación 4.2. Funciones avanzadas
1.3. Recorrido por el entorno 4.3. Funciones recursivas
4.4. Funciones de orden superior
Módulo II: Tipos y estructuras de 4.5. Funciones integradas
datos
Módulo V: Operaciones de E/S
2.1. Variables y constantes
2.2. Operadores aritméticos 5.1. Interacción programador –
2.3. Tipo números usuario
2.4. Tipo booleanos
2.5. Tipo cadenas de caracteres Módulo VI: Manejos de errores y
2.6. Tipo listas
orientación a objetos
2.7. Tipo tuplas
2.8. Tipo diccionarios 6.1. Errores y excepciones
6.2. Excepciones integradas
Módulo III: Bloques de código y 6.3. Programación orientada a
estructuras de control objetos
6.4. Herencia
3.1.- Sentencias condicionales 6.5. Abstracción
6.6. Polimorfismo
3.2.- Control de bucles 6.7. Objetos de tipos integrados
6.8. Clases de tipos integrados
Módulo VII: Examen Final de lo Aprendido
PYTHON INTERMEDIO
Objetivos de Aprendizaje
La visualización de datos y cómo crear las mejores gráficas visuales
La estructura de Matplotlib, y cómo graficar con él.
Diferentes herramientas de visualización utilizando Matplotlib: gráficos de líneas,
gráficos de área, histogramas, gráficos de barras, gráficos de cajas y gráficos
circulares.
Seaborn: una nueva opción de visualización de datos en Python con gráficos
estadísticos atractivos.
Folium: lo mejor para visualizar datos geoespaciales.
Plan de Estudio
Gráfica de cajas
Gráfica de tortas
Módulo I: Introducción a la
visualización de data Gráfica de dispersión
Gráfica de burbujas
Introducción a la Visualización de
Datos
Introducción a Matplotlib Módulo IV: Herramientas
Graficado Básico con Matplotlib Especializadas para la visualización
Práctica de datos II
Gráfica de Línea
Gráficos de waffle
Módulo II: Herramientas Básicas Nubes de Palabra
para la visualización de datos Gráficos Seaborn y de Regresión
Gráficos de área
Gráficos de barras
Módulo V: Visualización de datos
Histogramas
Geo-espaciales
Introducción a los estilos Folium y
Módulo III: Herramientas Map
Especializadas para la visualización Mapas con marcadores
de datos I Mapas Coropléticos
Módulo VI: Examen Final de lo Aprendido
PYTHON AVANZADO
Objetivos de Aprendizaje
Enfocarnos en el procesamiento y análisis de datos geoespaciales.
Manejo integral y simple de diferentes algoritmos de procesamiento satelital.
Aplicación de la teledetección para el estudio e investigación ambiental.
Procesar diferentes imágenes satelitales: MODIS, LANDSAT, Sentinel, etc.
Plan de Estudio
Módulo I: Breve repaso de Python y Índices de Vegetación y de Nieve
el geo-procesamiento (NDVI – NDSI)
Índices de incendios (NBR)
Establecer directorios
Lectura de imágenes satelitales Módulo IV: Algoritmos aplicados a
Procesar imágenes satelitales la clasificación
Calcular índices espectrales
Algoritmos de clasificación no
Módulo II: Corrección atmosférica y supervisada
radiométrica Algoritmos de clasificación
supervisada
Explicación de los tipos de
Algoritmos estadísticos: media,
corrección desviación estándar, chi-
Conversión de ND en el Techo del cuadrado, etc.
Satélite (TOA)
Conversión de ND a valores de Módulo V: Procesamiento aplicado
reflectancia a las Series Temporales
Módulo III: Profundización al Uso de bibliotecas especializadas
estudio de los índices espectrales Tratamiento de datos vacíos, nulos
o no disponibles
Tipos de estudios aplicados a la Lectura de datos en archivos Excel
ingeniería y/o CSV.
Módulo VI: Examen Final de lo Aprendido