ABCDIPLOMADOS

DIPLOMADO DE ALTO NIVEL EN AGRICULTURA DE PRECISIÓN E INTELIGENCIA ARTIFICIAL APLICADA AL AGRO

Duración: 12 meses
Carga académica: 1,200 horas
Modalidad: Virtual
Estructura académica: 12 módulos

Objetivo general

Formar profesionales capaces de diseñar, implementar, gestionar y evaluar soluciones de agricultura de precisión e inteligencia artificial aplicadas a los sistemas de producción agrícola, mediante el uso de tecnologías digitales, sensores, sistemas de información geográfica, teledetección, automatización, analítica de datos y modelos predictivos, orientados a incrementar la productividad, optimizar recursos y fortalecer la sostenibilidad del sector agrario.

ESTRUCTURA ACADÉMICA DEL DIPLOMADO

MÓDULO 01. FUNDAMENTOS DE AGRICULTURA DE PRECISIÓN Y TRANSFORMACIÓN DIGITAL DEL AGRO

Capítulo 1. Introducción a la agricultura de precisión

1.1. Conceptos, principios y evolución de la agricultura de precisión
1.2. Agricultura convencional, agricultura digital y agricultura inteligente
1.3. Componentes tecnológicos de los sistemas agrícolas de precisión

Capítulo 2. Sistemas modernos de producción agrícola

2.1. Características de los sistemas de producción agrícola tecnificados
2.2. Variabilidad espacial y temporal de los sistemas productivos
2.3. Factores agronómicos que determinan la productividad agrícola

Capítulo 3. Transformación digital del sector agrario

3.1. Digitalización de procesos y operaciones agrícolas
3.2. Tecnologías habilitadoras de la agricultura 4.0 y 5.0
3.3. Integración de plataformas digitales en la gestión agrícola

Capítulo 4. Planificación estratégica de la agricultura de precisión

4.1. Diagnóstico tecnológico de unidades de producción agrícola
4.2. Identificación de oportunidades de innovación y mejora productiva
4.3. Diseño de una hoja de ruta para la transformación digital agrícola

MÓDULO 02. SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y GEOREFERENCIACIÓN AGRÍCOLA

Capítulo 1. Fundamentos de información geoespacial

1.1. Sistemas de coordenadas y referencias geodésicas
1.2. Sistemas globales de navegación por satélite GNSS
1.3. Precisión, exactitud y corrección diferencial de posicionamiento

Capítulo 2. Sistemas de Información Geográfica aplicados al agro

2.1. Arquitectura y componentes de los Sistemas de Información Geográfica
2.2. Gestión de datos vectoriales y ráster agrícolas
2.3. Aplicaciones de QGIS en el análisis territorial agropecuario

Capítulo 3. Cartografía digital y análisis espacial

3.1. Elaboración de mapas temáticos agrícolas
3.2. Interpolación espacial de variables agronómicas
3.3. Análisis multicriterio para la zonificación agrícola

Capítulo 4. Aplicaciones profesionales de la georreferenciación

4.1. Delimitación digital de parcelas y unidades productivas
4.2. Elaboración de mapas de variabilidad espacial agrícola
4.3. Diseño de sistemas de información geoespacial para la gestión de predios

MÓDULO 03. TELEDETECCIÓN SATELITAL Y MONITOREO DIGITAL DE CULTIVOS

Capítulo 1. Fundamentos de teledetección agrícola

1.1. Principios físicos de la radiación electromagnética
1.2. Interacción de la radiación con la vegetación y el suelo
1.3. Resolución espacial, espectral, radiométrica y temporal

Capítulo 2. Plataformas y sensores satelitales

2.1. Características y aplicaciones de Landsat y Sentinel
2.2. Acceso y procesamiento de imágenes satelitales agrícolas
2.3. Correcciones atmosféricas y control de calidad de imágenes

Capítulo 3. Índices espectrales y evaluación de cultivos

3.1. Índices de vegetación NDVI, EVI y SAVI
3.2. Identificación de estrés hídrico y alteraciones fisiológicas
3.3. Análisis multitemporal del crecimiento y vigor vegetal

Capítulo 4. Monitoreo satelital para decisiones agronómicas

4.1. Identificación de anomalías espaciales en cultivos
4.2. Seguimiento fenológico mediante series temporales satelitales
4.3. Elaboración de reportes de monitoreo agrícola con imágenes satelitales

MÓDULO 04. DRONES Y FOTOGRAMETRÍA APLICADOS A LA AGRICULTURA

Capítulo 1. Tecnología de aeronaves no tripuladas

1.1. Clasificación y características de drones agrícolas
1.2. Componentes de navegación, control y posicionamiento
1.3. Normativa peruana y seguridad operacional de aeronaves no tripuladas

Capítulo 2. Planificación de misiones agrícolas

2.1. Diseño de rutas y planes de vuelo para levantamientos agrícolas
2.2. Selección de sensores RGB, multiespectrales y térmicos
2.3. Calibración de sensores y control de calidad de datos capturados

Capítulo 3. Fotogrametría digital agrícola

3.1. Principios de reconstrucción fotogramétrica
3.2. Generación de ortomosaicos y modelos digitales de superficie
3.3. Procesamiento y georreferenciación de imágenes obtenidas con drones

Capítulo 4. Aplicaciones agronómicas de drones

4.1. Evaluación aérea de cobertura vegetal y estado de cultivos
4.2. Detección de heterogeneidad y áreas críticas de producción
4.3. Elaboración de mapas operativos para intervenciones agrícolas de precisión

MÓDULO 05. SENSORES, INTERNET DE LAS COSAS Y MONITOREO AGRÍCOLA INTELIGENTE

Capítulo 1. Fundamentos de sensórica agrícola

1.1. Principios de medición y adquisición de variables agronómicas
1.2. Sensores de humedad, temperatura y conductividad eléctrica del suelo
1.3. Sensores ambientales y estaciones meteorológicas automáticas

Capítulo 2. Internet de las Cosas aplicado al agro

2.1. Arquitectura de sistemas IoT agrícolas
2.2. Redes inalámbricas, LoRaWAN y protocolos de comunicación
2.3. Dispositivos de borde y pasarelas de transmisión de datos

Capítulo 3. Integración y gestión de datos de sensores

3.1. Captura, almacenamiento y transmisión de datos en tiempo real
3.2. Calibración, mantenimiento y validación de mediciones
3.3. Integración de sensores con plataformas de monitoreo agrícola

Capítulo 4. Diseño de sistemas de monitoreo inteligente

4.1. Configuración de redes de sensores en parcelas agrícolas
4.2. Diseño de alertas automáticas y umbrales agronómicos
4.3. Implementación de tableros de monitoreo de variables agrícolas

MÓDULO 06. GESTIÓN DE DATOS AGRÍCOLAS Y ANALÍTICA AVANZADA

Capítulo 1. Fundamentos de datos agrícolas

1.1. Tipología y fuentes de datos en sistemas agrícolas digitales
1.2. Estructuración de bases de datos agronómicas
1.3. Calidad, trazabilidad y gobernanza de datos agrícolas

Capítulo 2. Preparación y procesamiento de datos

2.1. Limpieza y tratamiento de datos agrícolas incompletos
2.2. Integración de datos climáticos, edáficos y productivos
2.3. Transformación y normalización de variables agronómicas

Capítulo 3. Estadística y análisis exploratorio agrícola

3.1. Estadística descriptiva aplicada a indicadores productivos
3.2. Análisis de correlación y relaciones entre variables agrícolas
3.3. Visualización e interpretación de patrones productivos

Capítulo 4. Herramientas de analítica agrícola

4.1. Fundamentos de Python para el análisis de datos agronómicos
4.2. Construcción de indicadores y paneles de inteligencia agrícola
4.3. Desarrollo de informes analíticos para decisiones productivas

MÓDULO 07. INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO EN AGRICULTURA

Capítulo 1. Fundamentos de inteligencia artificial agrícola

1.1. Conceptos y campos de aplicación de la inteligencia artificial
1.2. Aprendizaje supervisado, no supervisado y por refuerzo
1.3. Ciclo de desarrollo de soluciones de inteligencia artificial agrícola

Capítulo 2. Modelos de aprendizaje automático

2.1. Algoritmos de regresión para variables agronómicas
2.2. Árboles de decisión, bosques aleatorios y métodos de ensamble
2.3. Técnicas de agrupamiento para segmentación de unidades productivas

Capítulo 3. Entrenamiento y evaluación de modelos

3.1. Selección de características y preparación de conjuntos de entrenamiento
3.2. Validación cruzada y evaluación de modelos predictivos
3.3. Sobreajuste, generalización e interpretabilidad de resultados

Capítulo 4. Aplicaciones profesionales de inteligencia artificial

4.1. Predicción del rendimiento agrícola mediante aprendizaje automático
4.2. Clasificación de condiciones productivas con modelos inteligentes
4.3. Diseño y evaluación de un prototipo de inteligencia artificial agrícola

MÓDULO 08. VISIÓN ARTIFICIAL Y DIAGNÓSTICO INTELIGENTE DE CULTIVOS

Capítulo 1. Fundamentos de visión por computadora

1.1. Principios del procesamiento digital de imágenes agrícolas
1.2. Espacios de color, filtrado y segmentación de imágenes
1.3. Extracción de características visuales de órganos vegetales

Capítulo 2. Aprendizaje profundo aplicado a imágenes

2.1. Fundamentos de redes neuronales artificiales
2.2. Redes neuronales convolucionales para imágenes agrícolas
2.3. Transferencia de aprendizaje y ajuste de modelos preentrenados

Capítulo 3. Reconocimiento de alteraciones fitosanitarias

3.1. Clasificación visual de síntomas de enfermedades vegetales
3.2. Detección de plagas y daños en imágenes de cultivos
3.3. Estimación de severidad de afectaciones mediante análisis de imágenes

Capítulo 4. Implementación de sistemas de diagnóstico visual

4.1. Construcción y etiquetado de conjuntos de imágenes agrícolas
4.2. Evaluación de precisión y confiabilidad de clasificadores visuales
4.3. Desarrollo de un prototipo de asistencia al diagnóstico fitosanitario

MÓDULO 09. RIEGO INTELIGENTE Y GESTIÓN HÍDRICA DE PRECISIÓN

Capítulo 1. Relaciones hídricas en sistemas agrícolas

1.1. Dinámica del agua en el sistema suelo-planta-atmósfera
1.2. Evapotranspiración y requerimientos hídricos de los cultivos
1.3. Balance hídrico y disponibilidad de agua en la zona radicular

Capítulo 2. Tecnologías de riego de precisión

2.1. Sistemas de riego por goteo y microaspersión tecnificados
2.2. Instrumentación para medición de humedad y potencial matricial
2.3. Sistemas de control y automatización hidráulica agrícola

Capítulo 3. Programación inteligente del riego

3.1. Programación del riego basada en sensores y datos meteorológicos
3.2. Modelos predictivos de demanda hídrica de cultivos
3.3. Algoritmos de optimización de frecuencia y lámina de riego

Capítulo 4. Evaluación de eficiencia hídrica

4.1. Indicadores de uniformidad y eficiencia de aplicación del riego
4.2. Detección de anomalías operativas y pérdidas de agua
4.3. Diseño de estrategias de riego inteligente para unidades agrícolas

MÓDULO 10. MANEJO DE SUELOS, NUTRICIÓN VEGETAL Y APLICACIÓN VARIABLE DE INSUMOS

Capítulo 1. Caracterización de suelos agrícolas

1.1. Propiedades físicas, químicas y biológicas del suelo
1.2. Muestreo georreferenciado y análisis de fertilidad
1.3. Interpretación de mapas de variabilidad edáfica

Capítulo 2. Nutrición vegetal de precisión

2.1. Requerimientos nutricionales según cultivo y etapa fenológica
2.2. Diagnóstico nutricional mediante análisis foliar y sensores ópticos
2.3. Elaboración de mapas de necesidades nutricionales

Capítulo 3. Tecnologías de aplicación variable

3.1. Fundamentos de la tecnología de dosis variable (VRT)
3.2. Generación de mapas de prescripción de fertilizantes
3.3. Calibración y operación de equipos de aplicación variable

Capítulo 4. Optimización del manejo agronómico

4.1. Delimitación de zonas de manejo específico
4.2. Evaluación agronómica y económica de la fertilización variable
4.3. Diseño de planes de manejo de suelos y nutrientes basados en datos

MÓDULO 11. AGRICULTURA PREDICTIVA, AUTOMATIZACIÓN Y SISTEMAS DE APOYO A DECISIONES

Capítulo 1. Modelos predictivos de producción agrícola

1.1. Fundamentos de modelación de sistemas de cultivo
1.2. Predicción de crecimiento y desarrollo fenológico
1.3. Pronóstico de rendimientos mediante datos históricos y ambientales

Capítulo 2. Riesgos agroclimáticos y alertas inteligentes

2.1. Análisis de amenazas climáticas para la producción agrícola
2.2. Modelos de alerta temprana de eventos agroclimáticos
2.3. Evaluación de incertidumbre y escenarios de riesgo productivo

Capítulo 3. Automatización y sistemas autónomos

3.1. Controladores programables y automatización de operaciones agrícolas
3.2. Robótica agrícola y navegación autónoma en campo
3.3. Integración de inteligencia artificial con sistemas de control agrícola

Capítulo 4. Sistemas inteligentes de apoyo a decisiones

4.1. Arquitectura de sistemas de soporte a decisiones agronómicas
4.2. Optimización multicriterio de operaciones y recursos agrícolas
4.3. Diseño de recomendaciones agronómicas basadas en modelos predictivos

MÓDULO 12. GESTIÓN E IMPLEMENTACIÓN DE PROYECTOS DE AGRICULTURA INTELIGENTE

Capítulo 1. Formulación de proyectos tecnológicos agrícolas

1.1. Identificación de problemas y necesidades de innovación productiva
1.2. Definición de objetivos, alcance y resultados de proyectos AgTech
1.3. Selección de tecnologías según viabilidad técnica y agronómica

Capítulo 2. Evaluación económica y financiera

2.1. Estimación de costos de inversión, operación y mantenimiento
2.2. Evaluación de rentabilidad mediante VAN, TIR y período de recuperación
2.3. Análisis de sensibilidad y riesgos de inversiones tecnológicas agrícolas

Capítulo 3. Sostenibilidad, ética y gestión tecnológica

3.1. Indicadores de sostenibilidad ambiental y eficiencia de recursos
3.2. Seguridad de la información, privacidad y uso responsable de inteligencia artificial
3.3. Gestión del cambio, capacitación y adopción tecnológica en organizaciones agrícolas

Capítulo 4. Proyecto integrador de agricultura de precisión

4.1. Diagnóstico integral de una unidad agrícola y definición del problema tecnológico
4.2. Diseño de una solución integrada de agricultura de precisión e inteligencia artificial
4.3. Evaluación de viabilidad, indicadores de desempeño y presentación del proyecto final

Perfil de egreso

Al culminar el diplomado, el participante estará en capacidad de interpretar información geoespacial y satelital, gestionar datos agronómicos, aplicar herramientas de inteligencia artificial, diseñar sistemas de monitoreo agrícola, proponer estrategias de riego y nutrición de precisión y formular proyectos tecnológicos que contribuyan a mejorar la productividad y sostenibilidad agrícola.