Aplicación de técnicas de aprendizaje

automático para la agricultura

altoandina de Perú

Vladimir Cáceres Salazar

Innovaciones Tecnológicas S.A.C.

Aplicación de técnicas de aprendizaje automático para la 1

agricultura altoandina de Perú
 Agenda
• 1. Introducción
• 2. Marco teórico
• 3. Metodología de solución
• 4. Resultados obtenidos
• 5. Conclusiones y recomendaciones

Aplicación de técnicas de aprendizaje automático para la 2

agricultura altoandina de Perú
 1. Introducción

Aplicación de técnicas de aprendizaje automático para la 3

agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 4
agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 5
agricultura altoandina de Perú
 2. Marco teórico
2.1. Aprendizaje automático

Aplicación de técnicas de aprendizaje automático para la 6

agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 7
agricultura altoandina de Perú
 2.2. Aprendizaje automático y sus técnicas

Aplicación de técnicas de aprendizaje automático para la 8

agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 9
agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 10
agricultura altoandina de Perú
 3. Metodología de solución
Tabla Nº 1. Aplicaciones del Aprendizaje Automático en la Agricultura

Campos de Estudio Algoritmos Usados

Nº
Selección de cultivos y predicción del
1 Algoritmos de clasificación
rendimiento de los cultivos

Redes neuronales

Redes neurales de propagación posterior

2 Predicción del clima Soporte de máquinas vectoriales

3 Sistema de riego inteligente Algoritmos generales de aprendizaje de máquinas

4 Predicción de enfermedades de cultivos Soporte de máquinas vectoriales

Reconocimiento de patrones

Redes neuronales artificiales, Árboles de decisiones.

5 Decidir el precio mínimo de soporte Técnicas de clasificación, las redes neuronales.

Aplicación de técnicas de aprendizaje automático para la 11

agricultura altoandina de Perú
 4. Resultados obtenidos

Aplicación de técnicas de aprendizaje automático para la 12

agricultura altoandina de Perú
 • CLUSTERING
• El objetivo del clustering no es clasificar, estimar o
predecir una variable; sino entender la estructura
macroscópica y relaciones entre objetos,
considerando las maneras en las que estos son
similares y diferentes. En otras palabras, se enfoca en
segmentar el conjunto completo de datos en
subgrupos homogéneos.
• A los objetos con cierta similaridad se los agrupa en
clúster.

Aplicación de técnicas de aprendizaje automático para la 13

agricultura altoandina de Perú
 Se elije 2 variables para poder para poder analizarlo y segmentarlos, vemos el versus de 2
variables (Clima, productividad, área de siembra, riego, etc.), agrupados de acuerdo con el tipo
de cultivo y al presionar el botón generar, podremos visualizar el gráfico de clustering

Aplicación de técnicas de aprendizaje automático para la 14

agricultura altoandina de Perú
 • REDES NEURONALES.
• El algoritmo de redes neuronales nos ayuda en la predicción de datos a
partir de nuestros datos empíricos para el entrenamiento de está.

Aplicación de técnicas de aprendizaje automático para la 15

agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 16
agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 17
agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 18
agricultura altoandina de Perú
Aplicación de técnicas de aprendizaje automático para la 19
agricultura altoandina de Perú
 Agradecimientos

Aplicación de técnicas de aprendizaje automático para la 20

agricultura altoandina de Perú
 Referencias
• Angluin, D. and Smith, C.H., 1983. Inductive inference: theory and methods. Computing
Surveys, 15: 237–269.
• Breiman, L., and Friedman, J.H., Olshen, R., and Stone C., 1984. Classification and
regression trees. Wadsworth International Group; Belmont, California.
• Cheeseman, P., Kelly, J., Self, M., Stutz, J., Taylor, W., and Freeman, D., 1988. AUTOCLASS: A
Bayesian classification system. In: Laird, J. (Editor), Proc. of the Fifth International
Conference on Machine Learning. Ann Arbor, MI: Morgan Kaufmann: 54- 64
• DeJong, G. and Mooney, R. 1986. Explanation-based learning: an alternative view.
Machine Learning 1(2): 145-176
• Fisher, D., 1987. Knowledge Acquisition Via Incremental Conceptual Clustering. Machine
Learning, 2: 139–172.
• Gaines, B.R., 1991. The trade-off between knowledge and data in knowledge acquisition.
In Piatetsky–Shapiro and Frawley, 1991: 491–505.
• Haussler, D., 1987. Learning conjunctive concepts in structural domains. Proc. AAAI: 466–
470.

Aplicación de técnicas de aprendizaje automático para la 21

agricultura altoandina de Perú
 GRACIAS POR SU ATENCIÓN

Ing. M.Sc. Vladimir Cáceres Salazar

vladimiralex50@hotmail.com

Aplicación de técnicas de aprendizaje automático para la 22

agricultura altoandina de Perú