Python y Machine Learning para Energías Renovables
El curso de Python y Machine Learning para Energías Renovables es un curso introductorio que está diseñado para estudiantes y profesionales interesados en fortalecer sus habilidades en programación con Python y en comprender los principios básicos de la Inteligencia Artificial (IA), con un enfoque especial en aplicaciones dentro del sector de las energías renovables. A lo largo del curso, los participantes aprenderán a utilizar Python 3 y sus librerías más importantes (Numpy, SciPy, Pandas, Matplotlib), mientras exploran conceptos fundamentales de Machine Learning para analizar y modelar datos relacionados con recursos hídricos y energías verdes.
El diferencial de este curso radica en su enfoque práctico y altamente especializado en el uso de herramientas de programación y técnicas de inteligencia artificial aplicadas específicamente al sector de las energías renovables. A través de una combinación de teoría y ejercicios prácticos, los estudiantes aprenderán no solo los fundamentos de Python y Machine Learning, sino también cómo aplicar estos conocimientos a problemas reales en el campo de la energía solar, eólica, geotérmica e hidrógeno.
La temática coyuntural se centra en la creciente demanda global de energías limpias y sostenibles, lo que convierte a este curso en una formación clave para profesionales que buscan ser parte de la transformación energética. Además, el curso sigue las tendencias más actuales en el uso de datos y modelado predictivo con herramientas de Machine Learning y Deep Learning, lo que le brinda un carácter innovador y alineado con las necesidades actuales de la industria.
Este curso hace parte del programa IA para Energías Renovables. Ver más aquí.
Dirigido a
Estudiantes y Profesionales dedicados a los sectores de Geología, Geofísica, Ingeniera de Petróleos, Exploración de Recursos Minerales, Energías Renovables, Ingenieros Ambientales interesados en fortalecer conocimientos en programación en Python, así como conocer los principios básicos en Inteligencia Artificial (Machine Learning), y su aplicación en las energías renovables.
Objetivos
Al finalizar el curso el estudiante estará en capacidad de:
- Aprender a utilizar las principales funcionalidades de Python 3, así como los paquetes seleccionados más importantes de este lenguaje (Numpy / SciPy / Pandas / Matplotlib), a través de un proyecto en Jupyter Notebook y Google Colab.
- Conocer y aplicar los conceptos básicos de Inteligencia Artificial, así como principales algoritmos de Machine Learning y Deep Learning, aplicados a datos de recursos hídricos y energía verdes.
- Aplicar técnicas de análisis y visualización de datos geocientíficos utilizando las librerías de Python.
- Interpretar la salida obtenida por los modelos de predicción.
- Aprender a utilizar las principales librerías de Machine Learning en la actualidad (Scikit-Learn), y de Deep Learning (Keras, TensorFlow y PyTorch).
Metodología
La metodología en la que se basa este curso es una combinación entre la teoría y ejercicios prácticos, programados en lenguaje Python, donde los participantes pueden aplicar los conceptos aprendidos en su carrera profesional.
Contenido
Modulo I: Conceptos Básicos en Python
- Introducción a Programación en Python
- Maneo de Google colab
- Machine Learning.
- Deep Learning.
Modulo II: HIDROGENO
- Exploración de yacimientos de hidrogeno
- Visualización de datos
- Modelamiento geocientifico de hidrogeno verde y blanco
- Predicción de la calidad del agua con ML
Modulo III: Energía Solar y Energía Eólica
Energía Solar
- Detección de paneles solares en imágenes satelitales.
- Predecir la eficiencia de las células solares.
- Producción de energía solar.
Energía Eólica
- Visualizar los datos del viento.
- Pronosticar de la potencia de salida de una turbina eólica, mediante el aprendizaje profundo para pronosticar la potencia de salida de una turbina eólica.
Modulo IV: Energía Geotermal y Sensores remotos
Energía Geotermal
- Carga de datos desde el GDR (Geothermal Data Repository).
- Exploración de recursos geotermales.
- Simulación de Flujo en un Reservorio Geotérmico.
Sensores Remotos
- Procesar imágenes satelitales de Sentinel2.
- Análisis de zonas de deforestación a través de imágenes satelitales.
- Segmentación de Imágenes para Clasificación de Tierras.
- Calcule el índice de vegetación de diferencia normalizada (NDVI).
Condiciones
Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.
La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.