Acerca de este curso
Descripción general
Aprende a desarrollar sistemas de detección de objetos con Deep Learning, desde redes neuronales convolucionales hasta tracking multiobjeto en tiempo real. Trabajarás con YOLOv11, PyTorch, TensorFlow y recursos gratuitos en Google Colab.
Información del curso
- Duración: 24 horas
- Modalidad: Online
- Nivel: Especializado
- Horario de la edición: Lunes, miércoles y viernes: 8:00 p. m. – 10:00 p. m.
- Inicio de la edición: 17/08/2026
- Inversión referencial: S/ 400 público general · S/ 300 con carné universitario
La edición publicada en la web principal figura con inscripciones cerradas. El acceso al aula se habilita únicamente mediante matrícula administrativa.
Temario
- Módulo 1: Sesión 1: Fundamentos de Computer Vision — 2 horas
- Módulo 2: Sesión 2: Conceptos de Detección de Objetos — 2 horas
- Módulo 3: Sesión 3: Redes Neuronales Básicas — 2 horas
- Módulo 4: Sesión 4: Redes Neuronales Convolucionales — 2 horas
- Módulo 5: Sesión 5: Historia de la Detección de Objetos — 2 horas
- Módulo 6: Sesión 6: Detección con YOLO — 2 horas
- Módulo 7: Sesión 7: Preparación de Datasets — 2 horas
- Módulo 8: Sesión 8: Data Augmentation y Transfer Learning — 2 horas
- Módulo 9: Sesión 9: Entrenamiento de Modelos Personalizados — 2 horas
- Módulo 10: Sesión 10: Evaluación y Optimización — 2 horas
- Módulo 11: Sesión 11: Object Tracking — 2 horas
- Módulo 12: Sesión 12: Aplicaciones y Proyecto Final — 2 horas
Requisitos
- Estudiantes universitarios de Ingeniería o Ciencias.
- Conocimientos básicos de Python: variables, funciones y listas.
- Álgebra lineal básica: vectores y matrices.
- No se requiere experiencia previa en Machine Learning o Deep Learning.
- No se requiere GPU propia; se utiliza Google Colab con GPU gratuita.
Docente de la edición
Guido Anthony Chipana Calderón
Ingeniero en Computer Vision — UNI
Ingeniero de Computer Vision en Tech Innovation e investigador en TechLab-CTIC UNI. Ha desarrollado soluciones con YOLOv11, CNN antisuplantación, detección de anomalías y visión aplicada a robótica.