CURSO ASINCRÓNICO

MACHINE LEARNING
CON PYTHON
DESDE CERO
APLICADO EN GEOLOGÍA

Geologia + IA
I. INTRODUCCIÓN
Dirigido a profesionales de ingeniería geológica y ciencias de la tierra.
El curso de MACHINE LEARNING CON PYTHON DESDE CERO: APLICADO EN GEOLOGÍA se centra
en la aplicación del modelado predictivo (subcampo del aprendizaje automático) en las distintas
ramas de las ciencias geológicas a través de variados ejemplos.
El aprendizaje automático es uno de las técnicas más útiles en las ramas geológicas e industria
por su gran rendimiento y potencial en su uso. A diferencia de la estadística tradicional, 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).

II. OBJETIVOS
1. Adquirir una base sólida en Python para la construcción de algoritmos de Machine
Learning aplicados a la geología.
2. Comprender los conceptos de Inteligencia artificial y su potencial aplicación en las
ciencias geológicas y minería.
3. Comprender las técnicas de análisis y tratamiento de datos en un conjunto de datos para
mejorar la robustez y métrica de salida de los diferentes algoritmos de machine Learning y
las oportunidades para aplicación en geología.
4. Comprender y analizar las fases del modelado algorítmico en Machine Learning.
5. Generar programas de machine Learning supervisado y no supervisado en la plataforma
de Orange y en lenguaje de Python tanto para clasificación como regresión.

III. DOCENTE
ALDO CARLOS
Geólogo egresado de la Universidad Nacional de Ingeniería (UNI) -
Peru. Finalizando la maestria de inteligencia Artificial en la Universidad
Internacional de Valencia (VIU). Especialista en Machine Learning,
gestión y desarrollo de programas de inteligencia artificial usando
machine learning aplicado a las ciencias geológicas y minería para
empresas consultoras. Ha brindado servicios de enseñanza de
aplicación de Inteligencia Artificial en geología y minas a profesionales
de Perú, Chile, Colombia y Mexico. Cuenta con especialización de
Postgrado en “Análisis de datos y Machine Learning en Geología” por la
Universidad de Tasmania - Australia (UTAS). Ha brindado servicios de
enseñanza exclusiva a empresas privadas y del sector minero.
Premiado por la Cooperación Internacional de Korea por la innovación
en tecnología aplicada en geología a partir de su proyecto Geolog.IA.
Actualmente superintendente de Inteligencia Artificial en Consorcio
Minero Horizonte.
IV. PLAN DE ESTUDIOS

Modulo 5.
Apertura del Curso Fase de modelado para
Introducción a las aplicaciones de
Inteligencia Artificial en Geología
algoritmos de Machine Learning
Modelo ML variables posición en 2D Algoritmos de Machine Learning
Supervisado
Modulo 1. - Regresiones:
Introducción a Python Parte 1 Lineal /Lineal Multiple Generalizado
(Poisson, Binomial)
Tipos de datos e identificadores
Random Forest Regressor
Bucles y condicionales
Estructuras de datos
-Clasificacion
PRÁCTICA: Algoritmos básicos
SVM (Super Vector Machine)
aplicados en Geología (Parte 1)
CART (Classification Tree)
Naive Bayes
KNN
Modulo2.
Introducción a Python Parte 2 PRÁCTICA: Análisis de datos para realizar
un modelo predictivo para un mapeo
Funciones y Clases
geológico, predecir las propiedades de las
Programación orientada a objetos
rocas alrededor de una mina
PRÁCTICA: Algoritmos básicos aplicados
en Geología (Parte 2)
Modulo 6.
Algoritmos No supervisados y
Modulo 3. Algoritmos ensamblados
Análisis de Datos Algoritmos No supervisados
KNN:
Numpy, Pandas y Matplotlib K-means Clustering
Correlaciones y Estadística Descriptiva Hierarchical Clusteting"
DBSCAN
PRÁCTICA: Aplicaciones con
información geológica Algoritmos Ensamblados
-AdaBoost
-Métodos Boosting
Modulo 4. -Metodos Voting
-Extra Trees
Preprocesamiento de Datos
PRÁCTICA: Usando datos de ICP-MS los
Métodos de Remuestreo
generar patrones geoquímicos y texturales
Evaluación de Métricas para asociarlas con zonaciones de interés.
Feature Selection
Métodos de Transformación de datos
Feature Importance Modulo 7.
Reducción de Dimensiones Optimización y Forecasting
PRÁCTICA: Aplicación en base de datos de
Pipelines, Outliers
geología
Métodos de procesamiento avanzado
Configuración de Hiperparametros
Guardado y Ejecución
PRÁCTICA: Modelo finalizado
V. DURACIÓN DEL CURSO
La duración del curso será de 6 clases con un total de 14
horas de duracion. Todo el material de trabajo incluido las
grabaciones se encuentran en el aula virtual.

VI. PROPUESTA ECONÓMICA

El costo de inscripción al curso especializado es de: 200 USD

Número de cuenta BBVA:

0011-0057-0237330189
Código de Cuenta Interbancaria (CCI):
011-057-000237330189-70

Nombre: ALDO DAVID CARLOS VILLAZANA

DNI: 47871411
Correo: aldo.carlos.villa@uni.pe
Celular: +51 933195087

Paypal: aldocarlosvilla@gmail.com