CURSO:
Herramientas digitales
para el petróleo y el gas
Uso y aplicación de herramientas matemáticas, programación y machine learning para el profesional de la industria. Implementación práctica mediante programación en Python y Excel.
8 clases durante el mes de mayo de 2025
- Martes 6/05-viernes 9/05
- Martes 13/05-viernes 16/05
- Martes 20/05-viernes 23/05
- Martes 27/05-viernes 30/05
Horario: 9:30 a 12:30 hs
Modalidad a distancia
Instructor: Ing. Marcelo Cabrera
Costo:
U$S 400 dólares estadounidenses + IVA hasta el 18 de abril de 2025
U$S 500 dólares estadounidenses + IVA desde el 19 de abril de 2025.
Forma de pago: Los precios previstos son al contado, se puede abonar en efectivo o cheque o transferencia bancaria. Pago con tarjeta de crédito.
Inscripción y consultas:
- Gabriela Madeo Te: (54 11) 4251-8843/ (54 11) 4251-5864 / (54 11) 4252-7876.
- Felicitas Gálvez Te Cel: 15 6812-9119
Objetivos
En la actualidad, el uso de herramientas de ‘machine learning’ e ‘inteligencia artificial’ se ha extendido ampliamente a diversos campos de la ingeniería. El dominio efectivo de estas tecnologías requiere conocimientos fundamentales en dos áreas clave: programación y matemáticas. Este curso tiene como objetivo proporcionar una introducción matemática elemental a diversas técnicas, complementada con su implementación práctica. Al finalizar, los participantes contarán con múltiples herramientas de cálculo que les permitirán optimizar su análisis, automatizar tareas y avanzar hacia el desarrollo e implementación de modelos matemáticos más complejos.
A quién está dirigido
Este curso está orientado a los profesionales de la industria que estén interesados en reforzar y aplicar sus conocimientos de programación y matemática en sus tareas diarias.
El curso no requiere de conocimientos previos de programación y matemática, ya que se verán desde cero en el curso.
Temas (teórico-prácticos)
- Introducción al ambiente Python (Anaconda) y al ambiente VBA (Excel) – Instalación del software y de librerías específicas para el curso.
- Estructuras básicas de programación: variables, funciones de usuario, lectura-escritura de archivos, condicionales, estructuras de control.
- Repaso de conceptos básicos de Análisis Matemático y Algebra: funciones, derivadas, integrales. Matrices, vectores, normas matriciales y vectoriales. Sistemas de ecuaciones lineales: matrices, vectores, resolución directa. Sistemas de mayor complejidad. Sistemas mal condicionados. Algoritmos: SOR, Jacobi, Gauss Seidel, GMRES.
- Interpolación y ajuste de funciones: interpolación polinómica: formas de Lagrange y Newton. Curvas Splines. Ajuste de funciones por mínimos cuadrados: formulación, implementación.
- Raíces y optimización: Algoritmo de Newton-Raphson, Bisección. Problemas multidimensionales: Newton Raphson y Descenso de gradiente. Utilización de librería Scipy.
- Integración y ecuaciones diferenciales: trapecios, Simpson, cuadratura gaussiana. Ecuaciones diferenciales ordinarias: problemas de valores iniciales (IVP): métodos de Euler, Runge Kutta. Problemas de valor de contorno (BVP): diferencias finitas.
- Introducción a herramientas de machine learning: aprendizaje supervisado: regresión y clasificación. Aprendizaje no supervisado: clustering. Uso de librerías más comunes (Xgboost, Tensorflow, Pytorch). Diseño de modelos de ML.
Sobre los lenguajes de programación
Python: es el lenguaje de programación general, multipropósito y multiplataforma el cual ha obtenido un crecimiento notable en su aplicación al cálculo científico y machine learning. Actúa bajo licencias de software libre lo cual permite el intercambio académico de manera transparente.
Excel®: orientado principalmente a operaciones que no requieran potencia de cálculo elevadas puede adaptarse a ampliar sus funcionalidades mediante la programación en entorno VBA (Visual Basic for Applications).
Requerimientos
Informáticos: conexión a internet, cuenta de Gmail personal. PC que permita instalación de suite Anaconda (en general, pocos requerimientos) e instalación de Excel.
Instructor
Marcelo Cabrera es Ingeniero Químico (Universidad Tecnológica Nacional – UTN) y Magister en Simulación Numérica (Facultad de Ingeniería-UBA). Desde 2005 forma parte del staff de INLAB, habiendo desarrollado tareas en todas sus áreas técnicas. Desde 2013 es jefe del laboratorio de Ensayos Especiales de INLAB, especializándose en temas de EOR, Integración Petrofísica, daño de formación, termodinámica y mediciones especiales. Es a su vez Profesor Asociado en el área de Simulación y Métodos numéricos en UTN y Profesor Adjunto e Investigador en la Universidad Nacional de Avellaneda (UNDAV).