1. Inicio
  2. Cursos
  3. Visión por Computadora Avanzada
CURSO DE IMPLEMENTACIÓN · 30 HORAS

Visión por Computadora Avanzada

De los Vision Transformers a los modelos fundacionales y generativos

Llevá la visión por computadora más allá de las CNN: Vision Transformers, aprendizaje autosupervisado y embeddings, modelos visión-lenguaje como CLIP, difusión para imágenes y análisis de video. Terminás con un buscador visual de productos construido y evaluado de punta a punta.

30 horas
6 unidades
Tutor virtual 24/7
Perfil avanzado
vision.py
# Embeddings con CLIP para búsqueda visual
model, preprocess = open_clip.create_model_and_transforms(
  “ViT-B-32”, pretrained=“laion2b_s34b_b79k”)
emb = model.encode_image(batch)
sims = emb @ query.T
1
Representar — ViT y embeddings
2
Conectar — imagen y lenguaje con CLIP
3
Generar — difusión y control de imágenes
6
Unidades didácticas
30h
Duración total
Avanzado
Nivel del curso
24/7
Tutor virtual disponible
Inversión del curso
$100.000 ARS
Acceso completo + certificado IDSA con trámite de homologación UTN. Emisión por curso, no al final del trayecto.
Único pago
Transferencia · Mercado Pago · PayPal
$100.000
▸ OBJETIVOS DE APRENDIZAJE

De las CNN a los modelos fundacionales de visión

Cada objetivo es verificable mediante entregables y defensa conversacional. Vas a poder elegir, adaptar y evaluar arquitecturas modernas de visión, y justificar cada decisión.

1

Explicar cómo un Vision Transformer procesa una imagen y cuándo conviene frente a una CNN

2

Hacer fine-tuning de un ViT sobre un dataset propio y comparar con una CNN

3

Obtener embeddings visuales autosupervisados y usarlos para búsqueda por similitud

4

Usar CLIP para clasificación zero-shot y búsqueda imagen-texto, y analizar sus errores

5

Generar y controlar imágenes con difusión latente, ControlNet y LoRA

6

Construir y evaluar un buscador visual de punta a punta con defensa conversacional

▸ TEMARIO COMPLETO

6 unidades · 30 horas

Cada unidad incluye lecciones, un quiz de corrección automática y un entregable en un notebook de Google Colab.

1
Transformers
Vision Transformers
▼
  • Imágenes como secuencias de parches; atención aplicada a visión
  • ViT y Swin frente a las CNN: datos, costo y precisión
  • Fine-tuning de un ViT sobre un dataset propio
2
Autosupervisado
Aprendizaje autosupervisado y embeddings visuales
▼
  • Aprendizaje contrastivo y SimCLR
  • DINOv2 y embeddings de propósito general
  • Búsqueda por similitud y linear probing
3
Visión y lenguaje
CLIP y modelos visión-lenguaje
▼
  • Aprendizaje contrastivo imagen-texto con CLIP
  • Clasificación zero-shot y búsqueda imagen-texto
  • Captioning y respuesta a preguntas sobre imágenes; análisis de errores
4
Generativos
Difusión para imágenes
▼
  • De la difusión a la difusión latente: Stable Diffusion
  • Sampling y classifier-free guidance
  • Control con ControlNet y adaptación con LoRA
5
Video
Video y seguimiento de objetos
▼
  • Seguimiento por detección y asociación de objetos entre cuadros
  • Flujo óptico y movimiento
  • Clasificación de acciones con modelos de video
6
Proyecto
Proyecto integrador
▼
  • Buscador visual de productos: embeddings, índice de similitud y consulta por texto
  • Evaluación con métricas de recuperación y análisis de errores
  • Informe técnico y defensa conversacional
✓
Cierre
Examen Final y certificado
▼
  • 10 preguntas al azar de un banco de 20 · 40 minutos · 2 intentos
  • Se aprueba con 6 sobre 10
  • Aprobarlo habilita el certificado
▸ MODALIDAD

Diseñado para profesionales que practican

100% autogestionado y asincrónico. Cada unidad incluye lecciones, un quiz y un entregable en Google Colab con controles automáticos y defensa conversacional.

Tutor virtual 24/7

Un asistente virtual entrenado sobre el contenido del curso resuelve tus dudas y evalúa tu comprensión mediante defensa conversacional.

  • Respuestas claras y sintéticas
  • Disponible las 24 horas
  • Contexto del curso completo

Lecciones en texto

Contenido estructurado en el campus, con la matemática justa y ejemplos paso a paso. Leé, consultá y avanzá a tu ritmo.

  • Ejemplos paso a paso
  • Búsqueda instantánea
  • Ritmo personal

Notebooks en Google Colab

Notebooks ejecutables con código real y GPU disponible. No pseudocódigo: cada modelo se carga, se adapta y se evalúa.

  • Sin instalación
  • GPU disponible
  • Código paso a paso

Entregables con defensa conversacional

Cada unidad tiene un entregable con controles automáticos y una defensa conversacional. Recibís feedback sobre tu trabajo y tus decisiones.

  • Controles automáticos
  • Defensa conversacional
  • Criterios claros
▸ METODOLOGÍA

De la arquitectura al sistema, con evaluación

Cada técnica se explica, se ejecuta sobre imágenes reales y se evalúa antes de pasar a la siguiente.

1

Entender

La arquitectura y su razón de ser.

2

Adaptar

Fine-tuning y embeddings.

3

Evaluar

Métricas y análisis de errores.

4

Integrar

Un sistema visual completo.

▸ STACK TECNOLÓGICO

Herramientas que usarás

Sin fricción de configuración. Todo se ejecuta en Google Colab con GPU.

Python Python
PyTorch PyTorch
Hugging Face Hugging Face
OpenCV OpenCV
Google Colab Google Colab
▸ CERTIFICACIÓN ACADÉMICA

Doble aval universitario, verificación digital

Al aprobar el curso descargás tu certificado desde el campus y podés tramitar la homologación del certificado oficial: Instituto Data Science Argentina y UTN Facultad Regional Reconquista.

Certificado IDSA + UTN

Qué incluye el certificado

  • Doble firma: Director de IDSA + Decano UTN FRRQ
  • Resolución oficial: 920/2020 UTN Facultad Regional Reconquista
  • Datos personalizados: nombre, DNI, curso, carga horaria y calificación
  • Código QR de verificación digital
  • Homologación a pedido: enviás el certificado del campus y tu DNI a info@institutodatascience.org y recibís el certificado oficial por correo
  • Emisión por curso: no esperás al final del trayecto

Se habilita al aprobar el Examen Final del curso (nota mínima 6 sobre 10).

▸ PREGUNTAS FRECUENTES

Resolvemos tus dudas

¿Qué conocimientos previos necesito?▼
Haber cursado Computer Vision Aplicada o tener un nivel equivalente (CNN, transfer learning, detección y segmentación), PyTorch y comodidad con el mecanismo de atención, como el que se ve en Fundamentos de Deep Learning y Optimización.
¿Necesito instalar algo?▼
No. Los notebooks corren en Google Colab con GPU y no instalás nada en tu computadora.
¿Qué modelos voy a aprender?▼
Vision Transformers (ViT y Swin), aprendizaje autosupervisado (SimCLR y DINOv2), CLIP y modelos visión-lenguaje, difusión latente con ControlNet y LoRA, y seguimiento de objetos y clasificación en video.
¿Cuánto tiempo tengo que dedicarle por semana?▼
Con 5 horas semanales completás las 30 horas del curso en 6 semanas. Podés avanzar más rápido o más lento, porque es 100% asincrónico.
¿Cómo se verifican los entregables?▼
Cada unidad cierra con un entregable que se verifica con controles automáticos y una defensa conversacional con el tutor virtual. Cada entregable usa un único archivo de datos, incluido en el campus.
¿Cómo se abona el curso?▼
El valor del curso es de $100.000 ARS y se abona en un único pago mediante transferencia bancaria, Mercado Pago o PayPal.
¿Cómo obtengo el certificado?▼
Al aprobar el Examen Final (10 preguntas al azar, 40 minutos, 2 intentos, nota mínima 6 sobre 10) se habilita el certificado en el campus. Para el certificado oficial, enviás ese certificado y tu DNI a info@institutodatascience.org.
¿Cuál es el siguiente paso después de este curso?▼
Fundamentos Matemáticos de la Difusión (DDPM), si querés la teoría detrás de los modelos generativos, o Sistemas Multiagente e IA Agéntica.

De la imagen al sistema visual completo

6 unidades, 30 horas, verificable y aplicable. Con un buscador visual de productos y certificación IDSA + UTN.

Item added to cart.
0 items - $0,00