Preguntas Frecuentes

No es obligatorio. El curso está diseñado desde cero, pero si ya programas avanzarás más rápido.

Cubrimos desde apertura de cuenta en Google Colab hasta algoritmos ML paso a paso.

• Google Earth Engine (gratuito, basado en web)
• Python (gratuito, te enseñamos a operarlo en Colab o VS Code (opcional))
• Cuenta Google activa

Sí. Con 8GB RAM y navegador web moderno funciona perfectamente.

GEE procesa en la nube, no requieres equipo potente.

No. Trabajamos con imágenes satelitales gratuitas (Sentinel, Landsat) y datasets de ejemplo para drones multiespectrales.

• 24 horas de clases en vivo
• Scripts Python listos para usar
• Códigos GEE comentados
• Datasets de práctica
• 3 proyectos prácticos
• Acceso a grabaciones por 6 meses
• Certificado internacional
• Grupo privado de alumnos en Discord
• Repositorio GitHub

Módulo 1: Fundamentos de sensores remotos (4h)

Módulo 2: Procesamiento de Imágenes satelitales con GEE - Sentinel, Landsat, MODIS (4h)

Módulo 3: Procesamiento Imágenes de drones con Python (4h)

Módulo 4: Radar SAR y LIDAR (4h)

Módulo 5: Machine Learning (ML) en Python - Random Forest, SVM, k-means, XGBoost (4h)

Módulo 6: ML aplicado a casos AgTech reales (4h)

Aplica para ambos. Cubrimos: monitoreo de pasturas, suelo, análisis multitemporal, clasificación de coberturas (cultivos, pastos, suelo).

70% práctica hands-on. Cada módulo incluye ejercicios en vivo que replicas en tu computadora. Sales con proyectos funcionales.

Librerías Python principales:

• NumPy y Pandas: Manipulación de datos multidimensionales y análisis
• Rasterio y GDAL: Lectura y procesamiento de imágenes geoespaciales
• Matplotlib y Seaborn: Visualización de datos y resultados
• scikit-learn: Algoritmos ML (Random Forest, SVM, k-means, PCA)
• XGBoost: Gradient boosting avanzado para clasificación
• OpenCV: Procesamiento de imágenes de drones
• earthengine-api: Integración Python con Google Earth Engine

Nivel de profundidad en Machine Learning:

• Intermedio-Avanzado: No solo uso de APIs, sino comprensión de hiperparámetros, validación cruzada, feature engineering
• Algoritmos cubiertos:
  • Random Forest (clasificación y regresión)
  • Support Vector Machines (SVM)
  • k-means y clustering no supervisado
  • XGBoost para casos de alta dimensionalidad
  • PCA para reducción dimensional
• Aplicaciones prácticas: Clasificación de cultivos, detección de anomalías, predicción de biomasa, segmentación de imágenes multiespectrales
• NO se cubre: Deep Learning (TensorFlow/PyTorch) - el curso se enfoca en ML clásico optimizado para sensores remotos

Repositorio GitHub:

• ✅ Acceso a repositorio privado exclusivo para alumnos
• ✅ Más de 30 notebooks Jupyter comentados paso a paso
• ✅ Scripts listos para producción en Python y JavaScript (GEE)
• ✅ Datasets de ejemplo y casos de estudio reales
• ✅ Actualizaciones continuas post-curso

Ejemplos de código incluidos:

• Pipeline completo: descarga de Sentinel-2 → preprocesamiento → clasificación ML → exportación de mapas
• Análisis temporal NDVI con detección automática de anomalías
• Clasificación supervisada con validación de accuracy metrics
• Integración GEE-Python para procesamiento batch

El pago y acceso se gestionan 100% a través de Hotmart, plataforma segura internacional.

Proceso:

1. Clic en botón de inscripción → Redirige a Hotmart
2. Elige método de pago (tarjeta/transferencia/cuotas)
3. Acceso inmediato a plataforma Hotmart
4. Recibes materiales 48h antes del inicio

Sí, hasta 2 cuotas sin interés según tu país. Hotmart ofrece múltiples opciones de pago.

Garantía 100% de satisfacción. Si en las primeras 2 sesiones no cumple tus expectativas, devolvemos tu inversión completa.

• ✅ Pasarela de pago segura internacional
• ✅ Acceso a grabaciones por 6 meses
• ✅ Descarga de todos los materiales (PDFs, scripts, datasets)
• ✅ Certificado digital
• ✅ Soporte técnico 24/7

Evaluación:

• 3 cuestionarios online (75%): 50 preguntas c/u, 70% mínimo
  • Quiz 1: Módulos 1-2
  • Quiz 2: Módulos 3-4
  • Quiz 3: Módulos 5-6
• 1 proyecto final en GEE (25%): Script + reporte breve

• ✅ Nota mínima global: 75%
• ✅ Completar los 3 quizzes
• ✅ Proyecto final aprobado
• ✅ Asistencia mínima: 70%

Una semana después de entregar el proyecto final. Certificado por CEL avalado por Florida Global University.

Sí. Grupo privado de alumnos por 1 año donde resolvemos dudas. Además, office hours mensuales por 2 meses.

Sí, es lo ideal. En el módulo final trabajas con datos de tu interés (tu finca, región, cultivo específico).

• Detección de anomalías en cultivos
• Monitoreo de crecimiento vegetativo
• Estimación de biomasa en pasturas
• Detección de áreas degradadas
• Clasificación automática de coberturas
• Análisis temporal de salud del cultivo
• Identificación de zonas para manejo diferenciado

Totalmente. Cada script está documentado y parametrizado para que solo cambies coordenadas, fechas y cultivo. Listos para producción.

Sí, 100% online. GEE y Python son universales.

Horario: 6PM Colombia = 8PM Argentina = 7PM Miami = 12AM España