para Ciencias e Ingenierías Horas : 36 horas 2. Presentación Esta presentación no busca simplemente presentar un curso. Estamos lanzando una plataforma de transformación técnica, un puente entre el conocimiento académico tradicional y las demandas concretas del siglo XXI. Un puente que conecta teoría con implementación, matemáticas con código, y pensamiento abstracto con soluciones reales. El título del presente curso es claro: Programación en Python para Ciencias e Ingenierías. Pero lo que encierra este título va mucho más allá de la sintaxis de un lenguaje de programación. Se trata de dotar a una nueva generación de científicos, ingenieros y analistas de un conjunto robusto de herramientas computacionales que les permita modelar, simular, optimizar, visualizar y tomar decisiones basadas en datos y modelos, con el rigor propio de las ciencias exactas y la agilidad propia de la era digital. Y todo esto se plasma en 12 sesiones intensivas de 3 horas cada una —un total de 36 horas de formación rigurosa, práctica y profundamente interdisciplinaria— que ustedes pueden ver detalladas en el contenido del presente curso. Pero antes de desglosar el contenido técnico, formulemos algunas preguntas : • ¿Cuántas veces han resuelto una ecuación diferencial parcial en clase... pero nunca la han simulado numéricamente? • ¿Han derivado mínimos cuadrados usando álgebra lineal... pero no saben cómo implementarlo desde cero en código? • ¿Conocen las series de Taylor... pero no han usado su aproximación para evaluar funciones trascendentales en un sistema embebido? Si esta realidad les suena familiar, entonces este curso es para ustedes. Porque hoy vivimos en un mundo donde la ciencia ya no se hace solo con lápiz y papel, sino con servidores en la nube, GPUs acelerando cálculos, pipelines automatizados y modelos predictivos que anticipan fenómenos físicos, biológicos o sociales. Y en ese nuevo paradigma, Python ha emergido como el estándar global del stack científico-tecnológico. Desde laboratorios del CERN hasta centros de investigación de Google DeepMind, desde startups de energía renovable en Chile hasta equipos de modelado epidemiológico en Brasil, Python es el hilo conductor que une teoría, experimentación y aplicación. No es una moda. Es una infraestructura cognitiva moderna. Y sin embargo, en muchas universidades de nuestro país —a pesar del talento innegable de sus estudiantes— existe una brecha crítica entre la formación teórica y las competencias prácticas en programación científica. Muchos egresados dominan el cálculo pero no saben cómo vectorizar operaciones con NumPy. Entienden la eliminación de Gauss-Jordan pero nunca la han implementado en un entorno controlado con Git. Conocen la transformada de Fourier pero no han usado scipy.fft para analizar señales reales. Esa brecha no es culpa del estudiante. Es una falla estructural del sistema educativo, que aún prioriza la memorización sobre la implementación, la teoría pura sobre la reproducibilidad computacional. Este curso busca cerrar esa brecha. No es un tutorial básico de Python. No es una introducción genérica a la programación. Este es un entrenamiento técnico de élite, diseñado con el rigor de un posgrado en ciencia de datos o