Diplomatura IDSA 2026 · Nueva edición

Diplomatura en Computer Vision

Dominá el análisis de imágenes con deep learning: transfer learning, detección de objetos, segmentación, OCR y serving optimizado. Certificación IDSA + UTN.

187h
Duración total
6
Cursos incluidos
17h
Trabajo final aplicado
IDSA+UTN
Certificación

Sobre esta Diplomatura

La Diplomatura en Computer Vision forma profesionales capaces de diseñar, implementar y desplegar sistemas de visión por computadora: clasificación con transfer learning, detección, segmentación, OCR y detección de anomalías. Se compone de cuatro etapas de cursos más un trabajo final (187 h).

Cubre el ciclo completo de un sistema de visión: deep learning y MLOps como base, el curso aplicado de visión (pipeline, detección, OCR, segmentación, anomalías y serving) y la visión moderna: Vision Transformers, modelos visión-lenguaje y difusión para imágenes. El despliegue en la nube con AWS queda como profundización opcional con el curso Cloud para ML y Datos.

El curso aplicado trabaja sobre un caso de documentos escaneados y detección de fraude, con datasets pequeños y desbalanceados, que es la situación habitual de los proyectos de visión en producción.

Se apoya en el tutor virtual 24/7 y en notebooks ejecutables en Google Colab o JupyterLite. No requiere experiencia previa en visión por computadora: la ruta construye las bases de Python, matemática y deep learning antes de llegar a la visión aplicada.

▸ Estructura del programa

Cinco etapas hacia la visión artificial

Cada etapa aporta una capa de profundidad técnica. El foco está puesto en el ciclo completo: desde el deep learning hasta un sistema de visión listo para servir.

1
Etapa 1 · Fundamentos
Construir la base matemática
50 horas · 2 cursos · Obligatorio

Nivelación matemática aplicada a Data Science y fundamentos de Python. La base sobre la que se construye todo el rigor posterior.

Nivelación Matemática (35h) Python para Data Science (15h)
2
Etapa 2 · Core ML
Del modelo al despliegue
60 horas · 2 cursos · Obligatorio

Redes neuronales y optimización con PyTorch (backpropagation, SGD, Adam, regularización, CNN 1D, LSTM y atención) y el ciclo de vida de un modelo: MLflow, DVC, FastAPI, Docker y monitoreo de drift.

Fundamentos de Deep Learning y Optimización (30h) MLOps y Regresión (30h)
3
Etapa 3 · Computer Vision aplicada
Visión aplicada y serving
30 horas · 1 curso · Obligatorio

Visión sobre documentos escaneados y detección de fraude: transfer learning, YOLO y DETR, OCR, segmentación con U-Net y SAM, anomalías y serving optimizado.

Computer Vision Aplicada (30h)
4
Etapa 4 · Visión avanzada
Transformers, modelos fundacionales y generativos
30 horas · 1 curso · Obligatorio

Vision Transformers, aprendizaje autosupervisado y embeddings visuales, CLIP y modelos visión-lenguaje, difusión para imágenes con ControlNet y LoRA, y seguimiento en video. Se apoya en el curso aplicado de visión.

Visión por Computadora Avanzada (30h)
5
Etapa 5 · Trabajo Final
Sistema de visión completo
17 horas · 1 proyecto · Obligatorio

Un sistema de visión por computadora desplegado, con datos reales y defensa frente a comité técnico. Puede aplicarse a documentos, calidad industrial u otros dominios con datos propios.

Proyecto aplicado + Defensa
▸ Los 6 cursos del programa

Qué vas a aprender, curso por curso

Cada curso se cursa y certifica de forma individual. Al aprobar los seis más el trabajo final, se emite el diploma de la diplomatura.

Introductorio

Nivelación Matemática para Data Science

Derivadas, vectores, matrices, probabilidad y notación matemática aplicada a Machine Learning. Sin matemática abstracta: todo orientado a ciencia de datos, con Python y casos reales.

Sin prerrequisitos
35h JupyterLite
Álgebra linealCálculoProbabilidadEstadística$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Introductorio

Python para Data Science

Del primer script al primer dashboard. Pandas, NumPy, Matplotlib y Dash. Los 4 verbos fundamentales de Pandas y la conexión con el análisis de negocio.

Sin prerrequisitos
15h Google Colab
PandasNumPyMatplotlibDash$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

Fundamentos de Deep Learning y Optimización

Construí backpropagation desde cero, entendé SGD y Adam, entrená redes en PyTorch, controlá el sobreajuste y compará CNN 1D, LSTM y atención en un caso de riesgo de mora.

Prereq: Python y Nivelación Matemática (recomendados)
30h Google Colab
BackpropagationPyTorchAdamLSTM$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

MLOps y Regresión

Del notebook al pipeline productivo. scikit-learn, FastAPI, Docker, monitoreo de drift y reentrenamiento automático. Proyecto integrador acumulativo.

Prereq: Python y matemática básica (recomendados)
30h Google Colab
MLflowFastAPIDockerDVC$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

Computer Vision Aplicada

Visión aplicada a documentos escaneados y detección de fraude: transfer learning, detección con YOLO y DETR, OCR (Tesseract, EasyOCR, TrOCR), segmentación (SAM, U-Net), detección de anomalías y serving optimizado.

Prereq: MLOps y Regresión y Fundamentos de Deep Learning (recomendados)
30h JupyterLite / Google Colab
YOLODETRSAMOCR$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

Visión por Computadora Avanzada

Vision Transformers, aprendizaje autosupervisado y embeddings con DINOv2, CLIP y modelos visión-lenguaje, difusión para imágenes con ControlNet y LoRA, y seguimiento en video, cerrando con un buscador visual de productos evaluado de punta a punta.

Prereq: Computer Vision Aplicada y Fundamentos de Deep Learning
30h Google Colab (GPU)
ViTCLIPDINOv2Difusión$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
▸ Perfiles de salida

Tres orientaciones en visión artificial

La orientación se define por el trabajo final y el énfasis en cada tecnología del stack.

Visión

Computer Vision Engineer

Implementación de sistemas de visión: clasificación, detección, segmentación y OCR con modelos modernos.

OCR y detección de anomalías
Detección con YOLO y DETR
Segmentación con U-Net y SAM
Transfer learning y data augmentation
Documentos

Document AI Engineer

Sistemas de visión sobre documentos escaneados: extracción de texto, validación y detección de fraude.

OCR con Tesseract, EasyOCR y TrOCR
Anomalías y montajes con autoencoders
Integración de visión, texto y datos tabulares
Datasets pequeños: few-shot y focal loss
Producción

CV Deployment Engineer

Despliegue de modelos de visión en producción: serving optimizado, contenedores y monitoreo.

Contenedores con Docker y APIs con FastAPI
Optimización de latencia con ONNX y TensorRT
Cuantización de modelos
Monitoreo de drift en producción

Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.

▸ Trabajo Final

Sistema de visión completo

Un proyecto integrador sobre un caso real: desde el dataset hasta el despliegue, con evaluación objetiva y defensa frente a comité técnico. El curso aplicado trabaja sobre documentos escaneados y detección de fraude, y el proyecto puede llevarse a ese dominio o a otro con datos propios.

  • Duración: 17 horas distribuidas en 4-6 semanas
  • Tutoría personalizada durante todo el desarrollo
  • Defensa oral ante comité técnico
  • Publicación en el Laboratorio de Datos del Instituto
Verificación de documentos escaneados

OCR y detección de anomalías y montajes

Detección de objetos con YOLO

Entrenamiento y evaluación con mAP e IoU sobre datos propios

Control de calidad industrial

Segmentación con U-Net sobre imágenes de producción

Clasificación con datos desbalanceados

Transfer learning, focal loss y curvas precision-recall

▸ Certificación

Doble aval universitario

Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.

Certificado IDSA + UTN

Qué incluye la certificación

  • Diploma final con doble firma (Director IDSA + Decano UTN FRRQ)
  • Certificado por cada curso completado en el camino
  • Resolución oficial 920/2020 UTN Facultad Regional Reconquista
  • Código QR de verificación digital
  • Copia automática a la Facultad para registro oficial
  • Acreditación progresiva: cada curso completado ya queda certificado

Los certificados se emiten al aprobar los quizzes y trabajos prácticos de cada curso.

▸ Comparativa

¿Diplomatura o cursos sueltos?

AspectoCurso sueltoDiplomatura completa
Duración por unidad15-30h por curso187h totales
CertificaciónIDSA + UTN por cursoIDSA + UTN por curso + diploma final
Trabajo final aplicado—✓ Obligatorio
Publicación en Laboratorio—✓ Elegible
Stack completo de Computer VisionParcial✓ Transfer learning + Detección + OCR + Segmentación
Despliegue y servingParcial✓ MLOps y serving optimizado
▸ Preguntas frecuentes

Dudas sobre la Diplomatura

¿Necesito experiencia previa en Computer Vision?

No. La trayectoria arranca desde la nivelación matemática y construye progresivamente hasta detección y segmentación. Solo se requiere matemática de secundaria y ganas de aprender.

¿Necesito GPU propia?

No. Los notebooks se ejecutan en Google Colab con GPU gratuita o en JupyterLite (CPU, en el navegador), con modelos y datasets descargados de Hugging Face Hub. Para proyectos propios que requieran más cómputo existen alternativas gratuitas y pagas.

¿Qué herramientas voy a usar?

Python, PyTorch, OpenCV, torchvision, YOLO, DETR, SAM, U-Net, Tesseract, EasyOCR y TrOCR, Hugging Face Hub, MLflow, DVC, FastAPI y Docker. Todo desde Google Colab o JupyterLite, accesibles desde el navegador.

¿Cuánto tiempo lleva completarla?

A 10 horas semanales: aproximadamente 19 semanas (4 meses y medio). A 6 horas semanales: unos 7 meses. El ritmo lo definís vos.

¿Cómo se cursan los cursos de la diplomatura?

Cada curso se cursa y se paga de forma individual. Podés comprarlos a medida que avanzás. Al aprobar los 6 cursos más el trabajo final, se emite el diploma de la diplomatura.

¿Y el despliegue en la nube?

La diplomatura cubre contenedores, APIs y serving optimizado. Si querés llevar tus modelos a AWS (S3, Lambda y SageMaker), podés sumar el curso Cloud para ML y Datos como profundización opcional.

¿En qué tipos de problemas se aplica?

La visión por computadora se aplica a documentos y fraude, control de calidad industrial, retail, agro y salud, entre otros. El curso aplicado de esta diplomatura trabaja sobre documentos escaneados y detección de fraude, y el trabajo final te permite llevarlo a otro dominio con datos propios.

¿Qué cubre Visión por Computadora Avanzada?

Vision Transformers (ViT y Swin), aprendizaje autosupervisado y embeddings con DINOv2, CLIP y modelos visión-lenguaje, difusión latente con ControlNet y LoRA, y seguimiento de objetos en video. Se apoya en Computer Vision Aplicada, que cubre los fundamentos (transfer learning, detección, OCR y segmentación).

¿Qué puedo cursar después?

Podés seguir con la Diplomatura en AI Engineer: ya tendrías aprobados cuatro de sus nueve cursos (Nivelación, Python, Deep Learning y MLOps y Regresión). Para los cursos del Frontier Program, como Aprendizaje Profundo Geométrico, tenés acceso directo al completar una Diplomatura IDSA; en otro caso se rinde un examen de admisión técnico.

Enseñale a las máquinas a ver

187 horas con foco en deep learning, detección, OCR, segmentación y visión moderna. Trabajo final aplicado y doble certificación IDSA + UTN.

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