Curso actualmente no disponible

Inteligencia artificial para energías renovables

Curso

Virtual

¡9% de ahorro!
$ 950.000 IVA inc.

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Descripción

  • Tipología

    Curso

  • Metodología

    Virtual

  • Idiomas

    Castellano

  • Horas lectivas

    16h

El curso de Inteligencia Artificial para energías renovables tiene como objetivo que los participantes adquieran los conocimientos teóricos y prácticos para aplicar los conceptos de Inteligencia Artificial en el campo de la Hidrología y las Energías Renovables. Comenzando con una introducción a los conceptos principales de programación en Python, los participantes aprenderán los conceptos básicos de los algoritmos de Machine Learning y Deep Learning. Analizarán series de tiempo relacionadas a los patrones de consumo de agua y recursos energéticos, la estimación de recursos energéticos asociados a la energía solar, eólica, geotermal, y el uso de imágenes satelitales a través de redes neuronales para la clasificación de la superficie terrestre.

Debido al creciente interés del Gobierno Colombiano de incrementar la producción energética a partir de fuentes energéticas renovables, el principal factor diferenciador de este curso es que el contenido que cubre gira en torno al espectro de energías renovables que actualmente el país quiere como lo son: energía eólica, solar, y geotérmica, así como la utilización de sensores remotos para su análisis e interpretación.

A tener en cuenta

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).

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, los principios básicos en Inteligencia Artificial (Machine Learning y Deep Learning), y su aplicación en las energías renovables.

Conocimientos básicos de programación (no se requiere ser experto en programación). Acceso a una conexión estable a internet.

La metodología en la que se basa este curso es una combinación entre teoría y ejercicios prácticos en Python. Los participantes podrán aplicar los conceptos aprendidos en su carrera profesional y contarán con una serie de sesiones donde el instructor cubre conceptos básicos del material.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Logros de este Centro

2022
2019

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 opiniones en los últimos 12 meses

Este centro lleva 14 años en Emagister.

Materias

  • Inteligencia artificial
  • Energía Solar
  • Exploración de datos
  • Energía eólica
  • Producción de energía
  • Programación algoritmos
  • Energía renovable
  • Programación IA

Programa académico

SESIÓN I: Conceptos Básicos en Python
Introducción a Programación en Python
Exploratory Data Analysis (EDA)
Machine Learning
Deep Learning

SESION II: Consumo de energía y recursos hídricos
Pronóstico de series de tiempo para estimar consumo de energía con redes neuronales
Exploración de datos (hidro-)geológicos
Visualización de datos de lluvia
Análisis estadístico de datos de precipitación
Predicción de la calidad del agua con ML
Completar datos de precipitación faltantes con Deep Learning

SESIÓN 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.

SESIÓN 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)

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Inteligencia artificial para energías renovables

$ 950.000 IVA inc.