La visión por computadora es un campo de la Inteligencia Artificial que tiene por objetivo enseñar a las máquinas a "ver" y a interpretar las imágenes en la forma en que lo hacemos los humanos. Esto ha llevado a importantes desarrollos tecnológicos autónomos como la robótica y los vehículos autónomos. De esta forma, la Conservación de la Biodiversidad también se ve beneficiada por los avances en la visión por computadora, ya que permite analizar e interpretar datos biológicos complejos extraídos de imágenes de diferentes fuentes con mayor eficiencia y precisión. Aprender sobre visión artificial proporciona a estos profesionales herramientas claves para avanzar en la investigación, así como mejorar la comprensión y conocimiento sobre las especies y las áreas de conservación de biodiversidad.

Este curso se enfoca en la compresión de los conceptos básicos de visión por computadora desde la perspectiva del uso de cámaras trampa ya que esta es una de las aplicaciones más importantes de la visión por computadora aplicada a la conservación de la biodiversidad. Se incluyen tareas comunes involucradas en estos proyectos como son el preprocesamiento, extracción de características, segmentación, y detección y reconocimiento de objetos para el posterior análisis e interpretación de los datos obtenidos a partir de las imágenes. Este curso no abarca tareas como el diseño del sistemas de cámaras trampa, la adquisición de imágenes o aspectos administrativos de dichos sistemas.

Este curso surge en respuesta a las necesidades de capacitación en diferentes áreas de la Ciencia de Datos diagnosticadas por la Red de Ciencia de datos para la Conservación de la Biodiversidad Mesoamericana (Redbioma). Está dirigido a profesionales que se desempeñan en actividades relacionadas con la Conservación de la Biodiversidad, por lo que se encuentra enfocado en la solución de problemas y el desarrollo de conocimientos y habilidades en procesamiento y análisis de imágenes mediante el uso de herramientas, programación básica basada en bibliotecas de manejo de imágenes en Python y el uso de modelos de Aprendizaje Automático preentrenados aplicados a colecciones de imágenes disponibles en repositorios públicos.