INTRODUCCIÓN

El curso de, MACHINE LEARNING APLICADO A LA GEOLOGÍA: Implementación con Python, se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y como este puede ser implementado en las distintas ramas de las ciencias geológicas esto a través de ejemplos aplicativos.

Este campo del aprendizaje automático es uno de los más útiles en las ramas geológicas e industria por su gran rendimiento y potencial en su uso. A diferencia de las estadísticas, donde los modelos se usan para comprender los datos, el modelado predictivo se enfoca en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar por qué se hacen las predicciones.

A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo se centra principalmente en datos tabulares (por ejemplo, tablas de números como en una hoja de cálculo).

TEMARIO

Introducción.

• Conceptos básicos de Machine Learning.
• Jupyter Notebook como nuestro entorno de machine learning.
• Introducción al Machine Learning en la Geología.

Programación con el lenguaje Python.

• Primeros pasos con Python.
• Lenguaje de programación Python.
• Conjunto de datos Estándar.

Análisis de datos.

• Cargar un conjunto dedatos.
• Estadística descriptiva.
• Visualización de datos.
• Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos para problema de clasificación de litologías a partir de elementos traza.
• Evaluación del taller.

Tratamiento de datos.

• Preprocesamiento de datos para Machine Learning.
• Métodos de remuestreo para estimar la precisión del modelo.
• Evaluación de las métricas.
• Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
• Examen tipo test sobre los contenidos del módulo.

Fase de modelado.

• Feature Selection en machine learning.
• Algoritmos de Machine Learning.
• Rendimiento de los algoritmos.
• Taller: Aplicación dediferentes algoritmos de Machine Learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
• Evaluación del Taller.

Proyectos de Machine Learning Supervisado en Geología.

• Clasificación Multiclase de Litologías.
• Desarrollo completo de proyecto.
• Tipos de proyectos de M. Learning Supervisado.
• Optimización y Forecasting.
• Algoritmos combinados.
• Problemas típicos en la base de datos Plantillas.

Proyectos de Machine Learning No Supervisado en Geología.

• Proyecto aplicado a la microscopia.
• Uso de algoritmos no supervisado.
• Taller.
• Conclusiones/ Otras aplicaciones en la Geología.

INSTRUCTOR

Ing. Aldo Carlos

Geólogo egresado de la Universidad Nacional de Ingeniería (UNI).Especialista en Machine.

Learning; ha gestionado y desarrollado programas de inteligencia artificial usando machine learning aplicado a las ciencias geológicas y minería. Actualmente brinda servicios de enseñanza de aplicación de Inteligencia Artificial en geología y minas en Perú y Chile.