Curso online de Análisis Geoespacial y Ciencia de Datos con Python
Inicio 15 de septiembre de 2026
Modalidad ON LINE
Abierto 24/7
APOYO de tu tutor
durante el curso
CERTIFICADO
al finalizar
Plazas limitadas a 15 alumnos
En el curso online «Análisis Geoespacial y Ciencia de Datos con Python» el alumno aprenderá Python aplicado a SIG, trabajando con las siguientes herramientas construidas sobre el lenguaje de programación Python:
- NumPy y Pandas para analizar datos espaciales.
- NumPy es el paquete fundamental para la ciencia de datos con Python.
- Pandas es una herramienta de análisis y manipulación de datos rápida, potente, flexible y fácil de usar.
- Matplotlib, Shapely y Fiona para la gestión de datos vectoriales.
- Matplotlib es una biblioteca completa para crear visualizaciones estáticas, animadas e interactivas, lo cual es útil para representar gráficamente los datos geoespaciales.
- GeoPandas se enfoca en simplificar el trabajo con datos geoespaciales y el análisis espacial de datos vectoriales. Combina las funcionalidades de Pandas y Shapely, lo que facilita la manipulación de datos geográficos en forma de DataFrames.
- NetworkX para crear, manipular y estudiar grafos. NetworkX se utiliza para analizar datos que tienen una estructura de red. Con NetworkX podemos utilizar los datos de OpenStreetMap para estudiar redes de transporte y obtener las rutas más cortas entre dos localizaciones.
- Rasterio para el análisis de datos ráster: Rasterio es una biblioteca que permite leer y escribir archivos de imágenes ráster, como GeoTIFF, y proporciona una API basada en matrices NumPy y GeoJSON.
- PySTAC para el geoprocesamiento de imágenes satelitales.
- Cartopy para crear visualizaciones geográficas, facilitando la creación de mapas y realizar análisis de datos geoespaciales.
- Plotly para crear gráficos interactivos de alta calidad, desde simples diagramas de barras hasta mapas y gráficos 3D. Es fácil de usar gracias a su integración con Pandas y soporta personalización avanzada.
- Folium para crear mapas interactivos: Folium es una biblioteca que combina Python y Leaflet, una biblioteca de JavaScript para visualización de mapas interactivos en la web.
El objetivo es enseñar a los alumnos conceptos básicos de Python aplicado a SIG: automatización, análisis y procesamiento geoespacial.
15 de septiembre - 19 de octubre de 2026
Duración:
5 semanas / 100 h.
Precio: 290 €
(270 € para antiguos alumnos)
Hay 15 plazas disponibles
A quién va dirigido el curso
Profesionales de la ciencia de datos: Personas que trabajan en el campo de la ciencia de datos y desean ampliar sus habilidades para incluir el análisis y la manipulación de datos geoespaciales utilizando Python. Analistas SIG que desean adquirir habilidades en el uso de herramientas de análisis y visualización geoespacial basadas en Python. Estudiantes de carreras relacionadas con la geografía, ciencias ambientales, ingeniería geoespacial u otras disciplinas similares. Profesionales en campos relacionados: Personas que trabajan en áreas como planificación urbana, gestión del medio ambiente, geomática, agricultura de precisión, investigación geoespacial y otras disciplinas en las que el análisis de datos espaciales sea relevante.
Es importante destacar que este curso puede adaptarse a diferentes niveles de experiencia, desde principiantes que están comenzando en el campo de la programación y análisis geoespacial hasta aquellos con experiencia previa en Python y SIG que deseen profundizar en sus conocimientos.
Requisitos
- Es recomendable tener conocimientos básicos de SIG.
- No es necesario tener conocimientos previos de Python. Si estás familiarizado con algún lenguaje de programación (SQL, Python, JavaScript, etc) sacarás más provecho del curso.
- Tener permisos de administrador en Windows. En el curso se proporciona orientación sobre cómo descargar e instalar un entorno de desarrollo como Anaconda y Google Colab, que incluye Python y varias bibliotecas científicas populares. Los alumnos aprenderán a instalar Jupyter Notebook como parte de la configuración inicial.
- Sistema Operativo Windows (10 u 11) o Linux.
Tutor
José Luis García Grandes. Ingeniero Agrónomo con más de 20 años de experiencia en trabajos de consultoría de ingeniería. Desde 2012 desarrollador de proyectos GIS con Python y JavaScript.
Cualquier duda se podrá plantear personalmente mediante correo electrónico o en los foros del curso. El tutor responderá siempre en la mayor brevedad posible.
Formación certificada
Una vez completados satisfactoriamente los ejercicios, MappingGIS otorgará un Certificado de realización y aprovechamiento, en formato PDF, con un identificador único para su correcta verificación.
Temario de la 19ª edición
- Conceptos clave.
- Anaconda.
- Instalación de Anaconda.
- Interfaz de Anaconda Navigator.
- Crear y gestionar entornos.
- El intérprete de Python.
- Ejecutar un programa de Python.
- Jupyter Notebook.
- Interfaz de Jupyter Notebook.
- Instalar idioma (español) para Jupyter Notebook.
- Markdown.
- Google Colaboratory: utilizar notebook sin instalaciones.
- Primeros pasos en Colaboratory.
- Menú de herramientas de celda.
- Entornos de ejecución.
- Acceso a los datos desde un cuaderno de Colab.
- Conectar con Google Drive.
- Importar e instalar bibliotecas.
- Configurar Colab.
- Primeros pasos en Colaboratory.
- Características de Python .
- Sintaxis de Python.
- Comentarios en Python.
- Variables.
- Entrada de datos: comando input.
- Tipos de datos en Python.
- Tipos de operadores en Python.
- Las cadenas de texto en Python.
- La función print() y los f-strings en Python.
- Métodos para cadenas de texto.
- Listas.
- Métodos para trabajar con listas.
- Tuplas.
- Métodos de las tuplas.
- Diccionarios Python.
- Estructura if/else en Python.
- While en Python.
- For en Python.
- Bucle for para recorrer un diccionario.
- Range().
- Funciones.
- Parámetro *args.
- Variables locales y variables globales.
- Función lambda.
- Manejo de archivos.
- Agregar texto a un archivo.
- Crear un archivo y dotarlo de contenido.
- Módulos.
- Paquetes.
- Clases y objetos.
- Datos espaciales.
- INSPIRE.
- Datos abiertos.
- Intercambio de datos.
- Licencias.
- Calidad de los datos.
- Reglas de validación.
- Fuentes de datos espaciales.
- Trabajando con datos en forma de array: NumPy.
- Dimensiones y ejes en NumPy.
- Unir arrays.
- Índices.
- Slicing.
- Iteraciones.
- Otras operaciones con NumPy: Buscar, ordenar.
- Pandas.
- Series.
- Pandas Dataframe.
- Añadir filas y columnas a un dataframe.
- Trabajando con índices.
- Importar CSV a Pandas.
- Crear columnas a partir de otras columnas.
- Cálculos estadísticos.
- Trabajar con datos ausentes.
- Interpolación de datos.
- Análisis exploratorio de datos.
- Análisis de las variables.
- Reajuste de las variables.
- Detección y tratamiento de datos ausentes.
- Identificación de datos atípicos y su tratamiento.
- Instalar librerías para datos vectoriales.
- Trabajando en un cuaderno de Jupyter notebook.
- Matplotlib.
- Un gráfico sencillo.
- Dibujar varias líneas en el mismo gráfico.
- Creación de subgráficos.
- Asignar estilos y títulos a los gráficos.
- Gráficos de dispersión.
- Diagrama de sectores o circular.
- Diagrama de barras.
- Personalizar ejes y leyendas.
- Crear y manejar geometrías con Shapely.
- Crear Geometrías.
- Manejo de geometrías con Shapely.
- Operaciones de unión, diferencia y buffer entre geometrías mediante Shapely.
- Fiona.
- Leer y grabar datos vectoriales.
- Conversión de formatos GIS con Fiona: GeoJSON a Shapefile.
- Trabajar con datos espaciales: GeoPandas.
- Geoseries y geodataframes.
- Formatos de los datos vectoriales.
- Lectura y escritura de datos espaciales.
- Grabar archivo con GeoPandas.
- Análisis espacial.
- Consultando los metadatos.
- Trabajar con sistemas de coordenadas Geográficas.
- Seleccionar datos.
- Seleccionar elementos por cuadro delimitador.
- Seleccionar una fila.
- Obtener el área y el perímetro.
- Obtener los centroides.
- Operaciones espaciales.
- Operaciones de unión.
- Buffer.
- Operaciones de cálculo de áreas diferentes entre dos polígonos.
- Cálculo de vecinos: obtener polígonos colindantes.
- Intersecciones.
- Extraer los datos (puntos) incluidos en un polígono.
- Otras operaciones de análisis con GeoPandas: superposiciones, cruzamientos, límites…
- Manipulación de geometrías.
- Geocodificacion con GeoPy.
- Cálculo de distancias con GeoPy.
- Cálculo de rutas óptimas: NetworkX.
- Caso práctico: Descargar datos de OpenStreetMap y calcular una ruta.
- Búsqueda de imágenes de Satélite con STAC: PySTAC.
- Introducción a STAC.
- Instalar librerias: Rasterio, Pystac_client.
- Pystac_client.
- Imágenes Sentinel.
- Imágenes Lansat.
- Rasterio.
- Consultando los metadatos.
- Consultando datos raster.
- Visualizar imágenes raster con rasterio.
- Histogramas con rasterio.
- Modificar la resolución de las imágenes.
- Operaciones con las bandas de las imágenes sentinel. Caso Practico: cálculo de NVDI.
- Extraer datos de una imagen raster. Caso Práctico: obtener la altitud de puntos a partir de un raster de elevaciones.
- Filtrar datos con rasterio. Caso Práctico: obtener un raster con cota superior a 1000 metros a partir de un raster de elevaciones.
- Crear mapa vectorial a partir de imagen raster con rasterio y GeoPandas.
- Obtener el máximo valor de una imagen raster y sus coordenadas.
- Clasificar un archivo raster por sus valores de pixel.
- Recortar una imagen.
- Extraer una banda de una imagen raster multibanda.
- Cartopy.
- Trabajando con proyecciones y capas (features) de cartopy.
- Configurar vistas del mapa.
- Trabajando con proyecciones y sistemas de coordenadas.
- Servicios OGC y mapas de Tiles en cartopy.
- Trabajando con datos en formato shapefile.
- Folium.
- Instalar folium y primeros pasos.
- La clase folium.Map.
- Añadir mapas de teselas.
- Añadir servicios WMS.
- Marcadores.
- Capas vectoriales.
- GeoJSON en folium.
- Crear y aplicar estilos a las capas.
- Añadir controles de capas y de escala.
- GeoPandas y Folium.
- Geodataframe como json.
- Plotly.
- plotly.graph_objects.
- Plotly Express.
- Mapas de tiles disponibles para Plotly.
- Empleo de datos en formato GeoJson en Plotly Express.
- Mapas de coropletas.
- Mapas de calor o de densidad.
El curso es asíncrono, es decir, no es necesario estar conectado a una hora concreta, ya que no hay actividades en vivo. La plataforma está abierta 24 horas los 7 días de la semana, por lo que el alumno puede organizarse el tiempo y puede realizar el curso en cualquier momento. Nosotros solo establecemos un calendario de entregas de ejercicios.
El alumno/a debe realizar los ejercicios indicados y enviárselos al tutor a través de la plataforma de formación. El tiempo disponible para realizar los ejercicios varía en función de la dificultad de cada unidad.
El campus también es un apoyo para realizar consultas en los foros del curso o al profesorado directamente.
Inscripción y pago
Puedes realizar el pago mediante:
- Transferencia bancaria.
- Tarjeta de débito o crédito / bizum, utilizando la pasarela de pago segura. Toda nuestra web está cifrada con protocolo de seguridad SSL de máxima seguridad para que la introducción de sus datos cuando se registra, sea totalmente confidencial y protegida con las máximas garantías.
Nosotros te matricularemos en el curso.
Opiniones
195
Alumnos en este curso desde septiembre de 2023
100%
Alumnos satisfechos
100%
Alumnos que consideran nuestra atención excelente