Universidad Nacional de la Frontera - Piura, Sullana

Inteligencia Artificial Aplicada a la Ingeniería Ambiental

Curso orientado por el PhD DSc Rubén Darío Cárdenas Espinosa para 11 sesiones de capacitación en machine learning, visión artificial, modelos predictivos, optimización, sensores inteligentes, drones, IoT y teledetección.

Blog del orientador: basure-waste.blogspot.com

22 horasIngeniería ambiental11 prácticas

IA Ambiental

InicioRutaSesionesProyectoRecursosGlosario

Diseño pedagógico del curso

La aplicación sigue una secuencia de ingeniería: problema → datos → sensores/fuentes → modelo → validación → decisión. El contenido evita LLMs, generación de texto e imagen y prompt engineering.

11sesiones completas

22 hformación presencial o virtual

100%orientación aplicada

7dominios ambientales

1. Medir

Sensores, IoT, drones, imágenes y datos históricos. Se enfatiza calidad, calibración y representatividad.

2. Modelar

Regresión, clasificación, clustering, anomalías, series temporales, visión artificial y optimización.

3. Decidir

Alertas, priorización, operación, escenarios y validación técnica con métricas útiles para ingeniería.

Precaución técnica: sensores de bajo costo, drones y modelos de IA pueden complementar la vigilancia ambiental, pero no sustituyen automáticamente métodos normalizados, laboratorios acreditados, calibración, cadena de custodia ni requisitos regulatorios. Las referencias normativas del material base deben verificarse por jurisdicción y vigencia antes de impartir el curso.

Ruta de 11 sesiones

Haz clic en una sesión para abrir su desarrollo.

Todas las fasesFase IFase IIFase III

Contenidos completos para orientar cada sesión

Cada sesión incluye objetivos, contenidos conceptuales, aplicaciones, componentes técnicos, secuencia de diapositivas, práctica, evaluación y guion docente minuto a minuto.

Proyecto integrador del curso

Producto final: diseño técnicamente defendible de una solución de IA aplicada a un problema ambiental real. El proyecto debe demostrar trazabilidad desde la necesidad hasta la decisión.

Fase A · Formular

Problema, usuario, decisión, unidad de análisis, variable objetivo, hipótesis y criterios de éxito.

Fase B · Modelar

Fuentes, calidad, partición, baseline, modelos candidatos, métricas y validación temporal/espacial.

Fase C · Implementar

Arquitectura, latencia, alertas, incertidumbre, mantenimiento, drift, costos y plan piloto.

Entregables obligatorios

1. Planteamiento del problema y pregunta de ingeniería.
2. Diccionario de datos y diagrama de adquisición.
3. Baseline y mínimo dos modelos candidatos.
4. Esquema de validación y métricas justificadas.
5. Arquitectura operacional y flujo de decisión.
6. Análisis de riesgos: sesgo, deriva, incertidumbre, seguridad y cumplimiento.
7. Pitch técnico de 7 minutos con evidencia.

Rúbrica sugerida

Criterio	Peso	Evidencia
Definición del problema y decisión	15%	Pregunta, usuario y KPI
Datos y calidad	15%	Fuentes, diccionario, sesgos
Selección de modelos	15%	Baseline + modelos justificados
Validación y métricas	20%	Split correcto, incertidumbre
Viabilidad técnica	15%	Arquitectura, costos, mantenimiento
Impacto ambiental y operacional	10%	Beneficio medible
Comunicación y reproducibilidad	10%	Pitch, documentación, trazabilidad

Banco de herramientas y recursos

Recursos no generativos para implementar los ejercicios. Los enlaces abren sitios externos; la aplicación principal funciona sin librerías externas.

Glosario técnico mínimo

Conceptos que el participante debe dominar al finalizar.

Inteligencia Artificial Aplicada a la Ingeniería Ambiental

Rubén Darío Cárdenas Espinosa Ph.D. DSc.

Material orientativo. Verificar normativa, licencias de software, requisitos aeronáuticos, metrología y protección de datos aplicables en la jurisdicción de impartición.