INGEMMET Técnicas de Machine Learning aplicadas a la predicción mineral con Phyton

4.5

-

    Información del curso

    No Disponible

    No hay contenido que mostrar
    36 Lecciones
    20 horas de contenido
    0 horas de práctica
    0 bono descargable
    Aprende a tu ritmo

    Accede al curso cuando quieras y repasa si es necesario. Tu acceso será por todo un año.

    Certifícate

    Al finalizar el curso, aprueba la evaluación y obtén tu certificado (por horas de contenido).

    Excelencia Profesional

    Realiza un proyecto donde apliques lo que has aprendido y obtendrás un segundo certificado (por horas de contenido + horas de práctica).

    -

    Temario del curso

    ✅ Sesión 1: Fundamentos de Datos Geoquímicos y Preprocesamiento
    7 sesiones
    • - Revisión de encuestas geoquímicas (INGEMMET, datos históricos)
    0
    • - Comprensión de tipos de muestras geoquímicas y metadatos
    0
    • - Detección de valores atípicos (IQR, MAD, outliers espaciales)
    0
    • - Anomalías antropogénicas vs. naturales
    0
    • - Normalización de datos (log, Box-Cox, z-score)
    0
    • - Introducción al análisis de datos composicionales (CoDA): CLR, ILR
    0
    • - Visualización de distribuciones geoquímicas con GeoPandas
    0
    ✅ Sesión 2: Detección de Anomalías Locales y Relaciones entre Elementos
    8 sesiones
    • - Análisis bivariado y razones geoquímicas
    0
    • - Detección de anomalías locales mediante ventanas estadísticas
    0
    • - Métodos basados en vecinos (mínimo 8 muestras)
    0
    • - Identificación de asociaciones geoquímicas
    0
    • - Introducción a Mapas Autoorganizados (SOM)
    0
    • - Agrupamiento de patrones geoquímicos
    0
    • - Detección de zonas con elementos correlacionados
    0
    • - Extracción de polígonos de áreas anómalas a partir de SOM
    0
    ✅ Sesión 3: Interpolación Espacial e Ingeniería de Características
    6 sesiones
    • - Métodos de interpolación: IDW, IDW2, Kriging
    0
    • - Comparación visual de resultados de interpolación
    0
    • - Análisis de Componentes Principales (PCA)
    0
    • - Interpretación de cargas (loadings) para importancia de elementos
    0
    • - Reducción manual de características basada en PCA y lógica geoquímica
    0
    • - Reducción de dimensionalidad para modelado
    0
    ✅ Sesión 4: Modelado Predictivo y Enfoque de Sistemas Minerales
    7 sesiones
    • - Introducción al aprendizaje supervisado para predicción mineral
    0
    • - Uso de ubicaciones de depósitos como etiquetas de entrenamiento (buffers)
    0
    • - Selección de características guiada por modelos metalogenéticos
    0
    • - Reducción iterativa de entradas para eliminar ruido
    0
    • - Construcción de modelos: Redes Neuronales Artificiales (ANN), Random Forest,XGBoost
    0
    • - Introducción al Enfoque de Sistemas Minerales
    0
    • - Vinculación de geoquímica con procesos geológicos
    0
    ✅ Sesión 5: Desarrollo Integrado del Proyecto Final
    8 sesiones
    • - Resumen de todos los componentes del curso
    0
    • - Desarrollo paso a paso de un proyecto de mapeo predictivo
    0
    • - Carga y preprocesamiento de datos
    0
    • - Ingeniería de características e interpolación
    0
    • - Agrupamiento no supervisado y detección de anomalías
    0
    • - Modelado supervisado y predicción
    0
    • - Desarrollo colaborativo del proyecto final con los estudiantes
    0
    • - Discusión y preguntas finales
    0

    Bonos educativos

    Preguntas y respuestas

    Productos similares

    No hay contenido que mostrar