IA 3: Visión Artificial (Edición 1)

Convocatoria

Periodo de inscripción Del 26/12/2024 al 09/01/2025
Periodo de realización Del 13/01/2025 al 31/01/2025
Eje formativo Formación Profesional
Estado Consolidada

Resumen

El curso "Inteligencia Artificial 3: Vision Artificial" ofrece una introducción práctica a una de las disciplinas más populares de la inteligencia artificial, la visión artificial. El objetivo de este curso es introducir las librerías y frameworks que se utilizan en los entornos profesionales para detección de objetos, análisis de imágenes y aprendiza profundo.

Los cursos de formación dirigidos específicamente al profesorado de Formación Profesional están financiados por el Ministerio de Educación , Formación Profesional y  Deportes y cofinanciados por el Fondo Social Europeo Plus (FSE+) 

Información básica

Entidad organizadora CENTRO REGIONAL DE FORMACIÓN DEL PROFESO
Línea formativa Formación Profesional
Modalidad Curso
Ámbito Regional
Forma de impartición Distancia
Línea Formación Profesional
Nº máximo de participantes 40
Nº mínimo de participantes 15
Tutor Iván López Montalbán, María Encarnación Pérez Durán
Destinatarios

Esta acción formativa va dirigida al profesorado no universitario en activo que imparte docencia en centros y etapas sostenidos con fondos públicos de la administración regional en Castilla-La Mancha EXCLUSIVAMENTE en ciclos formativos de Formación Profesional de la familia de informática y comunicaciones.

Objetivos

Objetivos que alcanzarán los profesores al realizar el curso:

  • Comprender los conceptos fundamentales de visión artificial y las técnicas básicas de preprocesamiento de imágenes, incluyendo escalado, filtrado, normalización y transformaciones geométricas.
  • Entender el funcionamiento de las redes neuronales convolucionales (CNN) y ser capaz de implementarlas, ajustando hiperparámetros y evitando problemas como el sobreajuste, además de explorar arquitecturas avanzadas.
  • Aplicar la transferencia de aprendizaje utilizando modelos preentrenados, ajustando capas y realizando finetuning en datasets específicos, aprovechando sus ventajas frente al entrenamiento desde cero.
  • Desarrollar modelos para la detección de objetos y segmentación de imágenes, implementando técnicas y algoritmos avanzados como YOLO.
  • Explorar aplicaciones avanzadas de visión artificial en áreas como la detección de objetos, comprensión de escenas y modelos de visión-lenguaje.
Metodología Sincrónica y Asincrónica
Observaciones

TEMPORALIZACIÓN:

Horas sincrónicas: 10 horas.

  • TEAMS: 5 sesiones de 2 horas

Horas asincrónicas: 20 horas.

  • Visualización de contenidos, participación en foro, trabajo personal y realización de tareas.

 

Horario y calendario de las sesiones en TEAMS:

  • Lunes 13/enero                      Horario: de 10:30 a 12:30 horas
  • Miércoles 15/enero                Horario: de 10:30 a 12:30 horas
  • Viernes 17/enero                    Horario: de 10:30 a 12:30 horas
  • Lunes 20/enero                      Horario: de 10:30 a 12:30 horas
  • Miércoles 22/enero                Horario: de 10:30 a 12:30 horas

Contenidos / Estructura del curso:

Módulo 1: Fundamentos de Visión Artificial y Preprocesamiento de Imágenes

  • Introducción a las librerías principales: OpenCV, Torchvision, MediaPipe.
  • Operaciones básicas de manipulación de imágenes: rotación, redimensionamiento, y conversión de formatos.
  • Uso de OpenCV para tareas de filtrado y detección de bordes.

Módulo 2: Redes Neuronales Convolucionales (CNN)

  • Fundamentos de las capas convolucionales: extracción de características y operación de convolución.
  • Capas de pooling y su rol en la reducción dimensional.
  • Implementación de una CNN desde cero.

Módulo 3: Entrenamiento de CNNs

  • Preprocesamiento de imágenes para redes neuronales
  • Normalización, recorte y aumentación de datos.
  • Entrenamiento y evaluación de una CNN para tareas de clasificación de imágenes.

Módulo 4: Transferencia de Aprendizaje en Visión Artificial

  • Introducción al aprendizaje por transferencia: conceptos y ventajas.
  • Uso de modelos preentrenados (ResNet, VGG, etc.) para nuevas tareas.
  • Fine-tuning de redes preentrenadas para ajustar a datos específicos.
  • Aplicación práctica de la transferencia de aprendizaje en un proyecto de visión artificial.

Módulo 5: Visión Artificial Avanzada

  • Introducción a los algoritmos de detección de objetos (YOLO)
  • Entrenamiento y adapatación de modelos de detección de objetos.
  • Modelos Vision-Lenguaje

 

Una vez que te inscribes adquieres el compromiso de completar la acción formativa. Te recomendamos que compruebes previamente todas las fechas de la acción formativa y así poder garantizar tu asistencia a todas sus sesiones presenciales/virtuales. Sé responsable y no hagas un mal uso de una plaza que puede ser utilizada por otro docente. 

En todas las sesiones virtuales es obligatorio mantener la cámara del ordenador encendida, a no ser que el tutor/coordinador indique lo contrario. De persistir en apagarla se podrá poner como no asistente a la sesión.

Se prohíbe la reproducción total o parcial de las sesiones virtuales fuera de espacio habilitado para ello en esta plataforma, así como la comunicación o difusión de la grabación o cualquier otro tratamiento de los datos contenidos en ella sin la autorización expresa del responsable respectivo, advirtiéndose expresamente que, en caso de incumplimiento de esta prohibición, podrá incurrir en las infracciones administrativas o penales correspondientes, conforme a lo previsto en la normativa aplicable.

Según la Orden 54/2021, de 13 de abril, de la Consejería de Educación, Cultura y Deportes, por la que se modifica la Orden de 08/10/2008, por la que se regula la homologación, la convocatoria, el reconocimiento, el registro y la certificación de las actividades de formación permanente del profesorado no universitario el tratamiento de las sesiones virtuales es el mismo que las presenciales por lo que es necesario asistir al 85% de la misma para que se certifique la participación. No es posible, por lo tanto, simultanear sesiones virtuales con cualquier otra sesión virtual, sesión presencial, claustros, sesiones de evaluación, etc. De ser detectada esta sincronía se procederá a no certificar la asistencia a las sesiones virtuales.

Cualquier duda o pregunta, puedes contactarnos escribiendo un email a fp.crfp@jccm.es 

https://content.gnoss.ws/crfp/imagenes/Usuarios/ImagenesCKEditor/88f14a4a-4ac3-4631-b47a-593542f95baf/7e5ca8c0-5262-4581-8c8a-a4a6afdf672a.png

Mediante la inscripción en esta acción formativa se autoriza a la Administración educativa de Castilla-La Mancha a comprobar las actas, inscripción y certificación del Registro de Formación Permanente del Profesorado de Castilla-La Mancha.

Criterios de acreditación

Número de horas 30
Número de créditos 3
Criterios de certificación
  • Asistencia como mínimo al 85% de las horas de las sesiones virtuales y/o presenciales establecidas, según se establece en la Orden de 08-10-2008, de la Consejería de Educación y Ciencia, por la que se regula la homologación, la convocatoria, el reconocimiento, el registro y la certificación de las actividades de formación permanente del profesorado no universitario.
  • Presentar la tarea y/o realizar el cuestionario de evaluación en tiempo y forma y con valoración positiva.
  • Participación en el foro de cada una de las sesiones virtuales obligatorias contestando a un tema propuesto por el ponente del curso.

close
Seleccionados Todos Visibles Ninguno
nombreCompletoSinAcento Nombre completo Fecha de solicitud DNI Cuerpo Email Asignaturas Especialidades Centros Educativos Código centro Provincia Cursos Cargos directivos Adjuntos Preguntas Motivo del rechazo Ausencias

Elige un motivo de rechazo:

Ver más Nombre nombreSinAcento Apellidos apellidosSinAcento Estado Apto Avance Asistencias Tareas pendientes Formulario pendientes Estado cuestionario de opinión Listado de tareas Listado de formularios Razón del suspenso Tareas superadas Cuestionarios superados Tareas entregadas Formularios entregados Créditos Número de horas Observaciones email
LanzarModal