Tengo dos pestañas abiertas en la pantalla: en una, mi script de teledetección satelital con R se cae con un error que no reconozco; en la otra, el mapa de nicho que acaba de mandarme un compañero de mi grupo de conservación de aves en Palo Verde, listo en el tiempo que a mí me toma leer el mensaje de error completo. Esa comparación es la que te empuja a buscar un curso pagado en vez de seguir peleando solo con tutoriales sueltos.
La teledetección satelital con R no era mi bronca ese día: era que ya sabía armar mapas de distribución de especies y no encontraba dónde aprender a leerle el color al bosque sin volver a empezar de cero en otro programa. Pedí ayuda en un foro una vez y lo único que me tiraron fue el enlace a la documentación oficial, toda en inglés (la verdad sea dicha, en ese momento ni el inglés técnico se me daba fácil), pero eso no resolvía nada cuando ni siquiera sabía qué palabra buscar. Ahí entendí que necesitaba un curso, no otro consejo suelto de internet.
Pedí "teledetección aplicada a R", no "teledetección" a secas
El primer filtro es simple y elimina a la mitad de la oferta: buscá "teledetección aplicada a R", nunca "teledetección" a secas. Los programas genéricos te enseñan la física de la luz antes de abrir un script, o usan software de licencia cerrada donde hacés clic sin entender qué pasó detrás. Ninguno de los dos sirve si ya armaste modelos de nicho y solo querés que el satélite hable el idioma que ya medio chapurreás.
Segundo filtro: revisá qué paquete usa el temario. Si menciona "raster" a secas, desconfiá — no es un paquete malo, es uno que los que lo mantenían ya jubilaron. Lo que buscás es "terra", más rápido y con menos probabilidad de dejarte la máquina pegada, junto con "sf" para las capas vectoriales. En estos casi tres años armando mapas de nicho por mi cuenta, la tecla Tab de mi teclado ya perdió la pintura de tanto usarla para no escribir nombres de función completos, y aun así, un curso que sigue enseñando con librerías de hace un lustro te mete en problemas de compatibilidad que no tenés por qué sufrir dos veces.
Ojo con la promesa cruzada: un curso de teledetección no te va a enseñar a evaluar tus modelos con AUC, porque esa es una métrica de modelado de nicho, no de clasificación de imagen, y los cursos de teledetección rara vez la explican por eso mismo. Tampoco esperés que te aclaren las capas climáticas de WorldClim ni el parámetro de regularización beta que tanto dolor de cabeza da en MaxEnt: son harina de otro costal dentro de R. El "spatial thinning" de tus puntos de presencia, esa limpieza que le hacés a los datos de campo antes de modelar, tampoco entra en un temario de sensores remotos. Si todavía no tenés claro ¿MaxEnt o Teledetección con R?, resolvé esa duda primero, porque son dos ramas de R que casi nunca comparten profesor.
Teoría de bandas espectrales: lo necesario
No hace falta memorizar las trece bandas del sensor MSI de Sentinel-2 el primer día, pero sí conviene saber que existen y que de ahí sale el NDVI, el índice que te dice qué tan verde está de verdad un parche de bosque. La resolución espacial de 10 metros en las bandas principales de Sentinel-2 es gloria pura para contar aves en un parche chico; Landsat 9, con su ciclo de revisita de 16 días, sirve para otra escala de pregunta. Lo que un buen curso te enseña no es la fórmula de la reflectancia, sino a lidiar con las nubes, que en Costa Rica son el pan de cada día y el peor enemigo de cualquier imagen satelital.
Terra, sf y datos crudos: la lista corta antes de pagar
Tres cosas resumen la lista antes de pagar. Primero, que el curso enseñe a manejar archivos grandes sin que R colapse: yo viví el mensaje "Error: vector memory exhausted" después de esperar un buen rato a que cargara una sola capa de cobertura boscosa, y un instructor que te enseña a recortar y enmascarar antes de procesar te ahorra esa tarde perdida. Segundo, que trabaje con datos reales de Copernicus o del USGS y no con archivos .RData ya masticados — si todo te llega limpio de fábrica, no vas a saber qué hacer el día que necesites bajar la imagen de la semana pasada de tu propia zona de estudio. Tercero, que la lógica del dato pese más que la matemática pura: no somos ingenieros geoespaciales, así que lo que importa es entender qué significa que un pixel salga rojo o infrarrojo, no derivar la fórmula de la reflectancia en una pizarra.
Si sentís que la base estadística todavía cojea, antes de saltar a satélites vale la pena revisar qué libros recomendados para aprender estadística y MaxEnt en R tengo en la lista — refrescar la lógica del dato ayuda a que la teledetección no se sienta tan cuesta arriba.
Nube contra disco duro: cuándo un curso de Google Earth Engine con R vale la pena
Acá los cursos se dividen en dos bandos: los que procesan todo en la máquina local y los que te meten de lleno en la nube, casi siempre vía Google Earth Engine llamado desde R con el paquete "rgee". Para un aficionado, aprender a llamar a la nube es como cambiar la bicicleta por un camión de carga: podés procesar años de datos de Sentinel sin que el procesador empiece a sonar como si fuera a despegar. Tengo un amigo que hace fotografía submarina en los arrecifes de Cahuita, y cuando le cuento que mi laptop se recalienta procesando imágenes satelitales, me dice que su cámara bajo el agua jamás le dio ese dolor de cabeza. Si un curso menciona "rgee" o cómo usar APIs para bajar solo lo que necesitás de una escena, dale prioridad: tu tiempo vale más que ver una barra de progreso que no avanza.
La señal de alerta antes de inscribirte
La prueba de fuego, antes de sacar la tarjeta, es simple: metete al grupo de Telegram o Facebook del curso y fijate en qué se traban los demás. Si la mayoría se queja de que el código no corre o de que el instructor no responde dudas técnicas, ya sabés qué puerta no tocar (la verdad sea dicha, ese filtro solito me habría ahorrado bastante tiempo si lo hubiera aplicado antes). Un curso vale la plata cuando integra terra, sf y datos reales directo sobre flujos de MaxEnt que ya conocés; no vale la plata cuando empieza por la física de la luz o te vende R desde cero. No busqués perfección académica: buscá la herramienta que te deje ver ese bosque con ojos nuevos, sin memorizar una fórmula que nunca vas a usar en el campo.