Python para Geografía Aplicada: Análisis, Modelado y Automatización con IA Asistida

Presentación

El análisis geoespacial es hoy una herramienta fundamental para la investigación y la toma de decisiones en ámbitos como la geografía, la planificación territorial, la gestión ambiental, la movilidad urbana y muchas otras disciplinas. Sin embargo, los métodos tradicionales basados en SIG suelen ser manuales, repetitivos y poco eficientes frente al creciente volumen de datos.

Python ofrece una alternativa potente y flexible para superar estas limitaciones. A través de bibliotecas especializadas como Pandas, GeoPandas, Shapely, Rasterio, Folium, Matplotlib y Plotly, es posible automatizar procesos, optimizar flujos de trabajo y realizar análisis espaciales avanzados con rapidez y precisión.

Este curso capacita a los participantes en el uso de Python y de herramientas de inteligencia artificial (ChatGPT/DeepSeek) para la generación de código, acelerando el aprendizaje y potenciando la creatividad analítica. Con un enfoque práctico y orientado a proyectos, los asistentes desarrollarán habilidades aplicables en investigación, docencia y entornos profesionales vinculados con la geografía y las ciencias espaciales.

Objetivo general

Capacitar a los participantes en el uso de Python para resolver problemas reales en geografía aplicada, combinando bibliotecas geoespaciales, análisis de datos y generación de código asistida por IA, con un enfoque práctico orientado a proyectos.

A quién va dirigido

Este curso está diseñado para estudiantes y profesionales de Geografía y áreas afines como Urbanismo, Arquitectura, Ingeniería Civil, Ciencias Ambientales, Planeación Territorial, Cartografía y disciplinas relacionadas que busquen fortalecer sus competencias en el análisis y modelado de información espacial.

Ideal para quienes desean ir más allá del uso tradicional de los Sistemas de Información Geográfica (SIG) y aprender a programar en Python para automatizar flujos de trabajo, procesar grandes volúmenes de información geoespacial, integrar análisis vectorial y ráster, y generar visualizaciones dinámicas asistidas por IA.

Instructor

  • José Ramos Ramos

    José Ramos Ramos es un profesional con más de una década de experiencia en liderazgo estratégico y dirección de proyectos de TI. Ha desempeñado roles clave en empresas del sector financiero, asegurador y de salud, enfocándose en transformación digital, optimización de procesos y gestión de tecnología aplicada.

    Actualmente, es Consultor Sr. de TI, dirigiendo la implementación de Sistemas de Información y desarrollando estrategias tecnológicas innovadoras. Como parte del equipo del Laboratorio Internacional de Investigación Espacial, iSTAR, José colabora en el Área de Capacitación, impulsando la formación en tecnologías aplicadas a la geografía y el análisis espacial.

    Además de su experiencia en la industria, ha sido profesor adjunto en la Facultad de Ciencias de la UNAM y ejercido la docencia a diferentes niveles, compartiendo su conocimiento en tecnología, programación y análisis de datos con estudiantes de diversas disciplinas. Su formación académica incluye una Maestría en Administración de la Tecnología y una Licenciatura en Ciencias de la Computación en la UNAM.

Fechas clave

  • Período de inscripción: 25 de septiembre al 25 de octubre del 2025
  • Fecha límite para pago: 25 de octubre del 2025
  • Fecha de realización del curso: 28 de octubre al 11 de diciembre del 2025

Duración

35 horas, 14 sesiones (80% práctica y 20% teórica).

Las sesiones se llevarán a cabo los martes y jueves de 19:00 a 21:30.

Modalidad y características

  • Modalidad: En línea en tiempo real.
  • Materiales y sesiones grabadas disponibles en línea.

Requisitos

Requisitos Técnicos:

  • Computadora de escritorio o portátil.
  • Procesador: Intel i3/Ryzen 3 (mínimo).
  • RAM: 4 GB (mínimo).
  • Almacenamiento: HDD de 100 GB (mínimo).
  • Conectividad: Conexión a internet estable.

Requisitos Administrativos:

  • Llenado de la solicitud de ingreso.
  • Pago del total curso (en caso de solicitar beca, enviar los documentos solicitados en el apartado descuentos y becas).

Costos, becas y descuentos.

  • Admisión general: $3,900MXN
  • 10% de descuento para comunidad UNAM (alumnos, exalumnos, profesores y trabajadores con documento probatorio)
  • 25% de descuento para estudiantes de licenciatura y posgrado de la UNAM con promedio mínimo comprobable de 9.0 (Limitado a 25 becas disponibles)
  • 25% de descuento disponible para personas que hayan tomado cursos con ISTAR anteriormente (limitado a 15 becas disponibles)
  • Becas del 50% disponibles para personal del Instituto de Geografía (limitado a 2 becas disponibles)
  • Beca del 100% para trabajadores STUNAM, presentando oficio del sindicato solicitando la exención del pago. (Limitado a 1 beca disponible)
  • Beca del 100% para trabajadores AAPAUNAM, presentando oficio del AAPAUNAM solicitando la exención del pago. (Limitado a 1 beca disponible)
    • * Solo podrá aplicarse un tipo de descuento.

Temario general

  1. Módulo 1 – Fundamentos de Python, ChatGPT, DeepSeek y entornos de trabajo (4 sesiones)
    • Introducción al curso y herramientas necesarias.
    • Instalación y configuración de Python.
    • Fundamentos de programación en Python aplicados a geografía (variables, tipos de datos, estructuras de control, funciones).
    • Uso de ChatGPT/DeepSeek para generación y depuración de código.
    • Cómo formular prompts efectivos para tareas geográficas.
    • Primeros pasos con datos geoespaciales en Python.
  2. Módulo 2 – Datos vectoriales y análisis espacial (6 sesiones)
    • Lectura y manipulación de archivos con Pandas.
    • Lectura y manipulación de datos vectoriales con GeoPandas.
    • Transformaciones y proyecciones con PyProj.
    • Análisis espacial básico con Shapely: buffers, uniones, diferencias e intersecciones espaciales.
    • Creación de mapas estáticos con Matplotlib y dinámicos con Folium.
    • Proyecto práctico (tipo) 1: Mapa de áreas de riesgo por inundación en una ciudad usando datos públicos.
  3. Módulo 3 – Datos ráster y procesamiento geoespacial (2 sesiones)
    • Introducción a datos ráster y formatos comunes.
    • Lectura y manipulación de ráster con Rasterio.
    • Estadísticas zonales y recortes espaciales.
    • Combinación de capas ráster y vector para análisis integrado.
    • Proyecto práctico (tipo) 2: Análisis de cobertura vegetal y cambio de uso de suelo en una región.
  4. Módulo 4 – Automatización de algoritmos geográficos y visualizaciones (2 sesiones)
    • Creación de scripts y funciones reutilizables.
    • Automatización de tareas repetitivas (descarga, limpieza y procesamiento de datos).
    • Generación de reportes automáticos y visualizaciones con Matplotlib y Plotly.
    • Proyecto práctico (tipo) 3: Automatizar la descarga y análisis de imágenes satelitales para monitoreo de áreas agrícolas.