Unidad 1: Python orientado a visión por computadora
| N° | Tema | Horas de sesiones teóricas | Horas de sesiones prácticas |
| 1 | Introducción a Python y visión por computadora. Panorama de un proyecto de Innovación. | 2 | 0 |
| 2 | Variables, operadores y estructuras de control. Funciones, módulos, manejo de archivos, estructura de datos. | 1 | 1 |
| 3 | Librerías para manejo de datos: Numpy, pandas. Librerías para Visualización: Matplotlib, PIL | 2 | 2 |
| 4 | Librería para manejo de imágenes: OpenCV (I) | 1 | 1 |
Unidad 2: Machine Learning, Deep Learning y Vision por computadora
| N° | Tema | Horas de sesiones teóricas | Horas de sesiones prácticas |
| 1 | Fundamentos de machine Learning y Deep learning. | 4 | 0 |
| 2 | Introducción a redes convolucionales (CNN) y Arquitecturas YOLO. PyTorch básico. | 2 | 2 |
| 3 | Procesamiento de Entrenamiento de redes neuronales. Técnicas de mejora de modelos. | 2 | 2 |
| 4 | Manejo de imágenes en PyTorch y TorchVision. Práctica guiada: clasificación de imágenes. | 0 | 2 |
Unidad 3: Implementación de modelos de visión por computadora
| N° | Tema | Horas de sesiones teóricas | Horas de sesiones prácticas |
| 1 | Introducción al proyecto de inspección automática. | 1 | 1 |
| 2 | Entrenamiento y prueba del modelo. | 2 | 4 |
| 3 | Despliegue y presentación del proyecto en UDEP (Taller práctico opcional) | 0 | 2 |