Principios de visualización masiva e IA aplicada - 2ª edición « Atrás
Tipo de edición Edición única (desempleados/as y ocupados/as)
Metodología Virtual
Tipo CURSO
Matrícula Gratuita
Fecha inicio 18/09/2026
Fecha fin 21/09/2026
Certificación oficial No
Nº inscritos 7
Datos de la edición
  • Periodo de inscripción : 01/07/2026 - 31/08/2026
  • Horario : Viernes 18 y lunes 21 de septiembre 15:00 a 20:00 horas.
  • Número de plazas : 20
  • Periodo de docencia : 18/09/2026 - 21/09/2026
  • Criterios de selección :
    • Por orden de solicitud

Formación especializada de 10 horas centrada en la aplicación del Machine Learning sobre el tejido geoespacial. El alumnado abordará la detección temprana de anomalías, el uso de algoritmos predictivos (Forecasting) de tendencias territoriales y el diseño de paneles de mando directivos para la toma de decisiones apoyada en Inteligencia Artificial.

Dicha actuación se realizará en el marco del proyecto denominado "Aceleración de ecosistemas de emprendimiento e innovación basados en Gemelos Digitales". Plan de Recuperación, Transformación y Resiliencia - Financiado por la Unión Europea - NextGenerationEU.

Objetivos :
  1. Entrenar y aplicar algoritmos predictivos de IA.
  2. Identificar anomalías en series de datos territoriales.
  3. Diseñar cuadros de mando inmersivos y estratégicos.
Dirigido a :

Científicos de datos (Data Scientists), analistas territoriales, estadísticos y creadores de cuadros de mando interesados en aplicar IA al contexto geoespacial de Galicia.

Perfil del docente :

Científico de Datos experto en Machine Learning espacial con amplia capacidad pedagógica en la extracción y visualización de patrones predictivos sobre repositorios de información pública.

  • Duración :
    10 horas
  • Metodología :
    Virtual
  • Matrícula :
    Gratuita
  • Tecnología :
    • Xemelgos dixitais/Gemelos digitales
  • Beneficios :
    • Diploma de asistencia
  • Módulos transversales :
    • Igualdad de 5 horas
  1. Fundamentos de IA Espacial y Machine Learning territorial.
  2. Algoritmos de detección temprana de anomalías en sensores.
  3. Modelos predictivos (Forecasting) para tendencias y demanda.
  4. Detección de objetos y clasificación mediante Deep Learning.
  5. Diseño inmersivo de Dashboards de decisión estratégica.