Adquirí habilidades útiles para el análisis de datos, ciencias de la computación y programación en medio de los desafíos globales actuales.
Inicio 3 de agosto de 2026
16 semanasLunes de 19 a 22 hs.
onlinesincrónico (en vivo)
Nivel Principiante
Forma parte de unPrograma Universitario (serie de 3 cursos)
Aranceles vigentes al .
Este curso introduce los fundamentos de la visión computacional y el deep learning para el análisis de imágenes. Con herramientas como PyTorch, CNNs y YOLO, los estudiantes aprenderán a procesar, detectar y clasificar objetos, aplicando técnicas modernas en proyectos reales.
Objetivos
Comprender los fundamentos de la visión computacional, sus problemas clásicos y la evolución desde los enfoques tradicionales hacia el Deep Learning, analizando cómo una computadora interpreta imágenes, color, formatos y transformaciones básicas.
Desarrollar habilidades en procesamiento y geometría de imágenes utilizando PyTorch, incluyendo el manejo de tensores, normalización, transformaciones 2D y 3D, homografías, filtros, máscaras y detección de bordes para construir las bases del análisis visual automatizado.
Dominar los modelos de Deep Learning aplicados a visión, como CNNs, R-CNN, Fast R-CNN, Mask R-CNN, YOLO, UNet y GANs, aplicándolos a tareas de clasificación, detección, localización, segmentación y generación de imágenes dentro de distintos escenarios prácticos.
Incorporar criterios éticos en el diseño y uso de sistemas de visión computacional, reflexionando sobre casos reales, riesgos, sesgos y el impacto social de la inteligencia artificial aplicada a la interpretación visual.
Dirigido a
Este curso está dirigido a personas interesadas en aprender cómo las computadoras interpretan imágenes y videos, y cómo aplicar técnicas modernas de visión computacional y deep learning para resolver problemas reales utilizando herramientas como PyTorch, CNNs, YOLO, Mask R-CNN y modelos generativos.
Está especialmente pensado para:
Está especialmente pensado para:
- Estudiantes y profesionales de carreras vinculadas a tecnología, programación, sistemas, ingeniería, inteligencia artificial o ciencias de datos, que deseen profundizar en visión computacional y aprender a implementar modelos para clasificación, detección y segmentación de imágenes.
- Desarrolladores y data scientists, que ya poseen conocimientos básicos de programación y quieren incorporar técnicas avanzadas basadas en deep learning para procesar imágenes y video, detectando objetos, reconociendo patrones y automatizando tareas.
- Personas interesadas en aplicar visión por computadora en industrias como seguridad, salud, comercio, automatización, robótica, IoT, manufactura o análisis de imágenes médicas, desarrollando prototipos y soluciones funcionales basadas en modelos de última generación.
- Profesionales que deseen comprender los desafíos éticos asociados a la visión computacional, como sesgos algorítmicos, privacidad, vigilancia y uso responsable de modelos de IA.
Requisitos de inscripción
Para inscribirse al curso Visión Computacional es necesario tener título secundario completo. No es necesario tener conocimientos previos en visión computacional. Se debe contar con conocimientos de programación en lenguaje Python como estructuras de repetición, estructuras de decisión, funciones, colecciones y estructuras de datos como el uso de listas, duplas, vectores y vectores de dimensiones.
Contenidos del Curso
Unidad N° 1: Introducción
• Introducción a la visión computacional.
• ¿Qué es visión por computador?
• Reseña histórica.
• Problemas clásicos de visión.
• Enfoques tradicionales vs Deep Learning.
• Repaso Puntos-Líneas-Planos.
• Imágenes.
• Interpretación computacional, color, archivos de imágen, compresión con pérdida, lectura/escritura.
• ¿Qué es visión por computador?
• Reseña histórica.
• Problemas clásicos de visión.
• Enfoques tradicionales vs Deep Learning.
• Repaso Puntos-Líneas-Planos.
• Imágenes.
• Interpretación computacional, color, archivos de imágen, compresión con pérdida, lectura/escritura.
Unidad N° 2: Procesamiento
• Introducción a Pytorch: Tensores, normalización de imágenes.
• Representaciones 1D, 2D y 3D.
• Modelación de una cámara Geométrica.
• Transformaciones 2D: Euclidea, Afin, Similar y General.
• Transformaciones 3D: Traslación y Rotación.
• Homografías.
• Geometría de las múltiples vistas.
• Filtros.
• Máscaras.
• Matriz de Convolución.
• Detección de bordes.
• Representaciones 1D, 2D y 3D.
• Modelación de una cámara Geométrica.
• Transformaciones 2D: Euclidea, Afin, Similar y General.
• Transformaciones 3D: Traslación y Rotación.
• Homografías.
• Geometría de las múltiples vistas.
• Filtros.
• Máscaras.
• Matriz de Convolución.
• Detección de bordes.
Unidad N° 3: Deep Learning
• Clasificación de Imágenes (CNN).
• R-CNNs.
• Fast R_CNN.
• Mask R-CNN.
• Detección de Objetos (YOLO).
• Localización y clasificación de objetos: un objeto, múltiples objetos.
• Bounding boxes.
• Segmentación de Imágenes (UNet).
• Generative Adversarial Networks (GAN).
• R-CNNs.
• Fast R_CNN.
• Mask R-CNN.
• Detección de Objetos (YOLO).
• Localización y clasificación de objetos: un objeto, múltiples objetos.
• Bounding boxes.
• Segmentación de Imágenes (UNet).
• Generative Adversarial Networks (GAN).
Unidad N° 4: Ética
• Ética.
• Motivación.
• Estudios de casos.
• Motivación.
• Estudios de casos.
Requisitos de aprobación
El curso incluye evaluaciones parciales a lo largo de la cursada y culmina con un examen final sincrónico, en vivo, que integra los contenidos abordados.
Programas Universitarios del que forma parte este Curso
Creá tu propio camino. Completá los siguientes cursos, desarrollá habilidades clave y accedé a un Programa Universitario que potencia tu crecimiento personal, profesional o simplemente tu pasión por aprender.
Avanzá hacia una carrera universitaria
Carreras a las que pertenece este Curso:
Este curso puede otorgar créditos universitarios
Si cumplís con los requisitos de aprobación de estos cursos y con los requisitos de ingreso de la carrera a la que pertenecen, podés incorporarlos a tu plan de estudios y avanzar en la cursada utilizando los créditos universitarios que otorga.
Cursos relacionados
Incorporá los aspectos conceptuales y el know-how de la seguridad informática.
Transformate en un experto en gestión, almacenamiento, procesamiento, depuración, visualización y análisis de grandes volúmenes de datos.
Preguntas frecuentes
Aquí encontrarás respuestas a las dudas y consultas más comunes sobre nuestros Cursos. Es importante aclarar que cada curso tiene su propia sección de preguntas frecuentes con información específica sobre el contenido, la modalidad y los requisitos. Ante cualquier inquietud, te invitamos a revisar las preguntas de cada curso para encontrar la respuesta que aclare tus dudas.
¿Cómo es estudiar online?
La modalidad de este curso es Online Sincrónica, con clases semanales utilizando la plataforma de la Universidad. Tiene días y horarios de clases fijos obligatorios.
¿El Certificado que otorga menciona la modalidad de cursado?
No. El certificado que otorga al completar exitosamente el curso es el mismo para ambas modalidades: no se distingue si el curso fue realizado de manera presencial u online.
¿Cuál es la fecha de inicio de los cursos?
Los cursos se pueden comenzar en el mismo ciclo lectivo o realizar de forma secuencial, eligiendo la cantidad a cursar en cada período.
¿Cuál es la metodología de evaluación?
El curso incluye evaluaciones parciales a lo largo de la cursada y culmina con un examen final sincrónico, en vivo, que integra los contenidos abordados.
¿En qué fecha se rinde el examen final?
Vas a poder elegir entre las fechas de examen final a realizarse durante el mes de diciembre (para los cursos que comienzan en agosto), o julio (para los cursos que comienzan en marzo).
