Google Earth Engine y Machine Learning para el Análisis Ambiental

Cupos limitados

¿Listo para inscribirte?

Selecciona una opción para continuar con tu matrícula o resolver dudas.

¿Por qué tomar este curso?

Beneficios académicos y profesionales

Dominio de Google Earth Engine

Aprende a procesar grandes volúmenes de datos satelitales para estudios de cobertura, cambio de uso y monitoreo ambiental.

Machine Learning ambiental

Aplica modelos supervisados y no supervisados para clasificación, detección de patrones y análisis predictivo en el entorno natural.

Programación en JavaScript

Desarrolla tus propios scripts en Earth Engine para automatizar tareas y visualizar resultados geoespaciales en tiempo real.

Modalidad online en vivo

Clases prácticas vía Zoom con instructores especializados y acceso a ejercicios descargables desde la plataforma académica.

Certificado con validez

Recibe un certificado institucional con código QR, válido en procesos públicos, consultorías y acreditaciones profesionales.

Acompañamiento experto

Accede a asesoría técnica, foros interactivos y soporte académico durante todo el desarrollo del curso.

Temario del Curso

Conoce en detalle los módulos de formación

Navegación por la interfaz de GEE
Uso del editor de códigos (Code Editor) de GEE
Creación de una carpeta principal
Acceso a la documentación oficial de GEE

Introducción a JavaScript
Tipos de datos y variables
Declaración de variables
Listas y objetos en JavaScript
Operadores en JavaScript
Creación y uso de funciones
Condicionales y bucles

Visualización de datos vectoriales en GEE
Tipos de datos en Google Earth Engine
Introducción y uso de filtros
Aplicación de filtros
Subida y manejo de archivos vectoriales
Creación de un buffer con archivos vectoriales
Uso de la función Map para análisis
Aplicación de filtros adicionales
Cálculo de estadísticas de archivos vectoriales
Uso de la función Reduce en el análisis
Conversión de datos vectoriales a formato raster
Análisis de datos DEM (Modelos de Elevación Digital)
Obtención de pendiente y aspecto
Consideraciones a tener en cuenta en los análisis
Compartir scripts y archivos en GEE

Tipos de imágenes disponibles en GEE
Imágenes de Sentinel 2
Consideraciones para trabajar con imágenes de Sentinel 2
Acceso a nuevas colecciones de Sentinel-2
Personalización en la descarga de imágenes
Extracción de imágenes de una ImageCollection
Factor de escala en las imágenes satelitales
Imágenes de Landsat 8
Landsat 8 Collection 2 Level-2
Composición de imágenes para su análisis
Creación de mosaicos de imágenes satelitales
Solución de errores comunes para principiantes
Descarga de imágenes de otros sensores
Repaso de funciones y uso de mapas
Máscara de nubes en imágenes de Sentinel 2
Máscara de nubes en imágenes de Landsat
Máscara de nubes en Landsat (Collection 2 Level-2)
Imágenes de Landsat 9

Cálculo de NDVI con Sentinel 2
Otros índices de vegetación usando Sentinel 2
NDVI y otros índices de vegetación con Landsat 8
Análisis temporal de NDVI con Landsat 8
Análisis temporal de NDVI con Sentinel 2
Análisis temporal de NDVI con MODIS
Animación de series temporales de NDVI

Introducción a Machine Learning
Conceptos fundamentales de Machine Learning
Aplicaciones de Machine Learning en teledetección
Fundamentos de Machine Learning
Clasificación no supervisada con K-means
Cómo funciona la clasificación supervisada
Clasificación supervisada con Support Vector Machine (SVM)
Clasificación supervisada con Árboles de Decisión (CART)
Clasificación supervisada con Random Forest (RF)
Evaluación de la precisión de los clasificadores
Comparación de precisión entre los diferentes clasificadores
Clasificación utilizando datos ambientales
Clasificación con puntos de datos en archivos shapefile

Testimonios de nuestros estudiantes

"Ahora utilizo Google Earth Engine para mapear cambios de cobertura vegetal en zonas protegidas."

Andrés Salazar
Quito – Investigador Ambiental

"Aprendí a entrenar clasificadores con Random Forest para análisis multitemporal."

Elena Viteri
Cuenca – Analista SIG

"Gracias al curso, desarrollé una aplicación web con GEE para evaluar deforestación en la Amazonía."

Galo Tapia
Tena – Consultor en Teledetección

"La metodología de aprendizaje me permitió aplicar Machine Learning en datos satelitales reales."

Maritza Simbaña
Latacunga – MAATE, Unidad SIG

"Ahora puedo automatizar procesos de clasificación con scripts en JavaScript en la plataforma GEE."

Luis Caiza
Loja – Especialista en Recursos Naturales

"Los ejercicios prácticos con Landsat y Sentinel me permitieron generar mapas de NDVI de calidad."

Tatiana Naranjo
Guayaquil – Técnica en Teledetección

"Con lo aprendido realicé un análisis de cambio climático aplicando algoritmos de clasificación supervisada."

Christian Paredes
Riobamba – Planificador Ambiental

"Este curso me ayudó a entender el potencial de la computación en la nube para proyectos ecológicos."

Gabriela Yumisaca
Macas – Técnica en Monitoreo Forestal

"Pude construir mi propio pipeline de análisis desde imágenes hasta clasificación final con GEE."

Oswaldo Cevallos
Ambato – Científico de Datos Ambientales

"Aplicamos modelos de predicción con IA en coberturas agrícolas gracias a este curso."

Melany Chicaiza
Portoviejo – Investigadora en Agroecología

Formas de Pago Disponibles

Precio normal: ~~USD~~
¡Valor promocional! USD

También puedes pagar mediante Transferencia o Depósito Bancario:

▲ Banco Pichincha

Titular: Isaias Huisha

Cta. Ahorros: 2207919384

RUC: 0604924878001

Email: ihuisha9@gmail.com

▲ Banco Guayaquil

Titular: Isaias Huisha

Cta. Ahorros: 0010809725

RUC: 0604924878001

Email: ihuisha9@gmail.com

▲ Banco Pacífico

Titular: Isaias Huisha

Cta. Ahorros: 1064319202

RUC: 0604924878001

Email: ihuisha9@gmail.com

📩 Después de realizar el pago:

Comunícate con nuestros asesores y envía el comprobante junto con tus datos:

📌 Nombres completos
🆔 Número de cédula
📧 Correo electrónico
🌍 Ciudad

Puedes contactarnos por el medio que prefieras:

Enviar por WhatsApp Enviar por Correo

⚠️ Recuerda adjuntar el comprobante de pago para validar tu inscripción.

❓ Preguntas Frecuentes

El curso se dicta en modalidad 100% online a través de Zoom, con clases en vivo e interacción directa con los instructores.

Sí. Al completar el curso recibirás una certificación académica con aval institucional por 40 horas académicas y experiencia profesional acreditada.

Se aceptan pagos mediante tarjeta de crédito, PayPal o transferencia bancaria a Banco Pichincha, Guayaquil y Pacífico.

Sí. Para validar tu inscripción, debes enviar el comprobante por WhatsApp o por correo electrónico, junto con tus datos personales.

Recibirás una confirmación por correo o WhatsApp con tu matrícula oficial y acceso al curso.