Fundamentos de Python y Bibliotecas para el Análisis y Proyectos Geográficos

Presentación

El análisis geoespacial se ha convertido en una herramienta fundamental para la investigación y la toma de decisiones en geografía, planificación territorial y gestión ambiental. Python y su ecosistema de bibliotecas de código abierto permiten automatizar procesos, integrar fuentes de datos diversas y desarrollar análisis avanzados de manera eficiente y reproducible, superando las limitaciones del trabajo manual en entornos SIG tradicionales.

Objetivo general

Proporcionar los fundamentos de programación en Python y el dominio de las principales bibliotecas del ecosistema geoespacial (NumPy, Pandas, GeoPandas, Shapely, Matplotlib, Folium y Rasterio) para el análisis, procesamiento y visualización de datos geográficos. Al finalizar, los participantes serán capaces de desarrollar proyectos aplicados y reproducibles que resuelvan problemas reales de geografía, planificación y gestión territorial, incluso sin experiencia previa en programación.

A quién va dirigido

Estudiantes de licenciatura o posgrado en Geografía, Urbanismo, Arquitectura, Ciencias Ambientales, Ingenierías y carreras afines, así como profesionales que deseen incorporar Python al análisis y desarrollo de proyectos geográficos. No se requiere experiencia previa en programación.

Instructor

  • José Ramos Ramos

    José Ramos Ramos es un profesional con más de una década de experiencia en liderazgo estratégico y dirección de proyectos de TI. Ha desempeñado roles clave en empresas del sector financiero, asegurador y de salud, enfocándose en transformación digital, optimización de procesos y gestión de tecnología aplicada.

    Actualmente, es Consultor Sr. de TI, dirigiendo la implementación de Sistemas de Información y desarrollando estrategias tecnológicas innovadoras. Como parte del equipo del Laboratorio Internacional de Investigación Espacial, iSTAR, José colabora en el Área de Capacitación, impulsando la formación en tecnologías aplicadas a la geografía y el análisis espacial.

    Además de su experiencia en la industria, ha sido profesor adjunto en la Facultad de Ciencias de la UNAM y ejercido la docencia a diferentes niveles, compartiendo su conocimiento en tecnología, programación y análisis de datos con estudiantes de diversas disciplinas. Su formación académica incluye una Maestría en Administración de la Tecnología y una Licenciatura en Ciencias de la Computación en la UNAM.

Fechas clave

  • Período de inscripción: 01 de septiembre al 30 de septiembre del 2026.
  • Fecha límite para pago: 30 de septiembre del 2026.
  • Fecha de realización del curso: 01 de octubre al 08 de diciembre del 2026.

Duración

40 horas, 20 sesiones (80% práctica y 20% teórica).

Las sesiones se llevarán a cabo los martes y jueves de las 19:00 a las 21:00 horas.

Modalidad y características

  • Modalidad: En línea en tiempo real.
  • Se compartirán notebooks de trabajo, presentaciones en formato PPT y documentación en PDF, así como scripts de Python, conjuntos de datos (capas y bases de datos geográficas) y enlaces de referencia utilizados a lo largo del curso.

Requisitos

Requisitos Técnicos:

  • Conocimientos básicos de Sistemas de Información Geográfica (deseable).
  • No se requiere experiencia previa en programación.
  • Equipo: Procesador de 64 bits, 8 GB de RAM, 10 GB de espacio en disco.
  • Conectividad: Una conexión a internet estable.

Requisitos Administrativos:

  • Llenado de la solicitud de ingreso.
  • Pago del total curso (en caso de solicitar beca, enviar los documentos solicitados en el apartado descuentos y becas).

Requisitos de aprobación:

Para aprobar el curso y recibir la constancia de finalización con valor curricular, los participantes deberán cumplir con la totalidad de los siguientes requisitos:

  • Contar con un mínimo de 80% de asistencia a las sesiones en vivo
  • Entregar el proyecto final y obtener una evaluación aprobatoria según la rúbrica del curso.

Costos, becas y descuentos.

  • Admisión general: $3,500MXN
  • 10% de descuento para comunidad UNAM (alumnos, exalumnos, profesores y trabajadores con documento probatorio)
  • 25% de descuento para estudiantes de licenciatura y posgrado de la UNAM con promedio mínimo comprobable de 9.0 (Limitado a 25 becas disponibles)
  • 25% de descuento disponible para personas que hayan tomado cursos con ISTAR anteriormente (limitado a 15 becas disponibles)
  • Becas del 50% disponibles para personal del Instituto de Geografía (limitado a 2 becas disponibles)
  • Beca del 100% para trabajadores STUNAM, presentando oficio del sindicato solicitando la exención del pago. (Limitado a 1 beca disponible)
  • Beca del 100% para trabajadores AAPAUNAM, presentando oficio del AAPAUNAM solicitando la exención del pago. (Limitado a 1 beca disponible)
    • * Solo podrá aplicarse un tipo de descuento.

Temario general

  1. Módulo 1. Fundamentos de Python (10 horas)
    • Entorno de trabajo e introducción (2 horas).
      • ¿Qué es Python y por qué es clave en el análisis geográfico?
      • Instalación del entorno: Google Colab, Jupyter Notebook y VS Code.
      • Panorama del ecosistema de bibliotecas geoespaciales.
      • Primeros pasos en Python.
    • Sintaxis y estructuras de datos (4 horas).
      • Variables y tipos de datos: números y cadenas.
      • Listas, tuplas y diccionarios.
      • Operadores matemáticos y lógicos; estructuras condicionales.
      • Ciclos for y while.
      • Ejercicio: clasificación de localidades por rangos de población.
    • Funciones, módulos y manejo de archivos (4 horas).
      • Definición y uso de funciones.
      • Módulos útiles: math, os y datetime; manejo de errores.
      • Lectura y escritura de archivos CSV y TXT.
      • Ejercicio: función para convertir coordenadas de grados decimales a grados, minutos y segundos.
  2. Proyecto 1. Análisis exploratorio de datos geográficos con NumPy y Pandas (8 horas)
    • NumPy: arreglos y operaciones vectorizadas.
    • Pandas: Series y DataFrames; carga de datos desde CSV y Excel.
    • Filtrado, ordenamiento y selección de datos.
    • Limpieza y control de calidad de datos.
    • Agrupamiento y agregación (groupby); unión de tablas (merge).
    • Proyecto: a partir de un conjunto de datos socioeconómicos o censales por municipio, limpiar la información, calcular indicadores (densidad, tasas) y generar rankings y tablas resumen por región.
  3. Proyecto 2. Análisis de datos vectoriales con GeoPandas y Shapely (12 horas)
    • Geometrías con Shapely: puntos, líneas y polígonos.
    • GeoPandas: GeoDataFrame; lectura de Shapefile y GeoJSON.
    • Sistemas de referencia de coordenadas (CRS) y reproyección.
    • Acceso a atributos y geometrías; filtros y selección espacial.
    • Operaciones espaciales: buffer, intersección, unión y disolución.
    • Uniones espaciales (spatial join); cálculo de áreas, distancias y centroides.
    • Proyecto: análisis de cobertura y accesibilidad de un servicio público (p. ej., escuelas u hospitales): identificar zonas dentro y fuera de un radio de servicio, estimar la población cubierta y generar las capas resultantes.
  4. Proyecto 3. Visualización y mapas interactivos (6 horas)
    • Gráficos con Matplotlib.
    • Mapas estáticos con GeoPandas y Matplotlib: coropletas, clasificación y simbología.
    • Mapas interactivos con Folium: marcadores, popups y capas.
    • Mapas de calor y coropletas interactivas.
    • Proyecto: construcción de un mapa web interactivo que presente los resultados del Proyecto 2.
  5. Proyecto Final. Proyecto geoespacial integrador con datos ráster (4 horas)
    • Introducción a Rasterio: lectura de datos ráster y Modelos Digitales de Elevación (MDE).
    • Extracción de valores y noción de estadísticas zonales.
    • Definición del problema, análisis y entrega.
    • Plantilla de proyecto: elegir una entidad (país, estado o municipio) y un tema de interés; integrar datos tabulares, vectoriales y ráster para responder una pregunta geográfica y entregar un notebook reproducible con mapas y conclusiones.
    • Ejemplos: riesgo de inundación, accesibilidad a servicios de salud y análisis de cobertura vegetal.
    • Entrega final: notebook (código), mapas e informe breve con los resultados.