Principios de visualización masiva e IA aplicada - 2ª edición « Atrás
Tipo de edición Edición única (desempregados/as e ocupados/as)
Metodoloxía Virtual
Tipo CURSO
Matrícula Gratuíta
Data inicio 18/09/2026
Data fin 21/09/2026
Certificación oficial Non
Nº inscritos 7
Datos da edición
  • Período de inscrición : 01/07/2026 - 31/08/2026
  • Horario : Venres 18 e luns 21 de setembro de 15:00 a 20:00 horas.
  • Número de prazas : 20
  • Período de docencia : 18/09/2026 - 21/09/2026
  • Criterios de selección :
    • Por orde de solicitude

Este curso de formación especializado de 10 horas céntrase na aplicación da aprendizaxe automática aos datos xeoespaciais. Os participantes aprenderán sobre a detección temperá de anomalías, o uso de algoritmos preditivos (predición) para tendencias territoriais e o deseño de cadros de mando de xestión para a toma de decisións con tecnoloxía de IA.

Dita actuación realizarase no marco do proxecto denominado "Aceleración de ecosistemas de emprendemento e innovación baseados en Xemelgos Dixitais". Plan de Recuperación, Transformación e Resiliencia - Financiado pola Unión Europea - NextGenerationEU.

Obxectivos :
  1. Adestrar e aplicar algoritmos preditivos de IA.
  2. Identificar anomalías en series de datos territoriais.
  3. Deseñar cadros de mando inmersivos.
Dirixido a :

Científicos de datos, analistas territoriais, estatísticos e creadores de cadros de mando interesados en aplicar intelixencia artificial ao contexto xeoespacial.

Perfil do docente :

Científico de Datos experto en Machine Learning espacial con ampla capacidade pedagóxica na extracción e visualización de patróns preditivos.

  • Duración :
    10 horas
  • Metodoloxía :
    Virtual
  • Matrícula :
    Gratuíta
  • Tecnoloxía :
    • Xemelgos dixitais/Gemelos digitales
  • Beneficios :
    • Diploma de asistencia
  • Módulos transversais :
    • Igualdade de 5 horas
  1. Fundamentos de IA Espacial e Machine Learning territorial.
  2. Algoritmos de detección temperá de anomalías en sensores.
  3. Modelos preditivos (Forecasting) para tendencias e demanda.
  4. Detección de obxectos e clasificación mediante Deep Learning.
  5. Deseño inmersivo de Dashboards de decisión estratéxica.