Los modelos de estimación geoestadística y el machine learning tienen un objetivo común: predecir.
Históricamente la validación de los modelos geoestadísticos han sido mediante el análisis de información agregada, interpretada y tendencias en el modelo de bloques resultante, sin embargo, salvo en la práctica académica, es poco frecuente criterios con una mayor componente estadística y que permita cuantificar en cierto grado el poder predictivo de los modelos.
El Machine Learning nos enseña diferentes estrategias de validación e indicadores estadísticos que nos permiten evaluar la capacidad predictiva de los modelos de regresión, en este taller se ilustrarán las bases de la Geoestadística y el Machine Learning necesarias para comprender y desarrollar estrategias de validación que permitan evaluar la capacidad predictiva de un modelo para la estimación geoestadística.
Objetivos del taller:
✅ Conocer los principios del machine learning.
✅ Identificar las etapas generales de una modelación en Machine Learning.
✅ Revisar los componentes y algunos modelos.
✅ Aprender a aplicar la modelación a modelos geoestadísticos
Conoce al ponente
Fabian Soto Fernández
Ingeniero en computación y magíster en minería con 10 años de experiencia en proyectos de alta tecnología en minería.
Ha liderado proyectos de analítica avanzada en geociencias usando Python como plataforma. Ha participado en formulación y ejecución de proyectos de I+D (Conicyt/ANID y Corfo).
Se dedica a la investigación de: Evaluación de yacimientos, Desarrollo de software geoestadístico, Data Science aplicado a Geociencias, Revalorización de relaves.
Se ha desempeñado como profesor en la Universidad de Chile, Desarrollador de Software en Global Integration Consulting, Desarrollador J2EE en Grupo Gtd y como Director de Proyectos en ALGES.
Descargas:
1️⃣ Presentación del taller
📲👇 Síguenos en nuestras comunidades de Facebook, LinkedIn y YouTube.