Los algoritmos de aprendizaje automático se han desarrollado potencialmente en esta última década y tiene muchas aplicaciones, sobre todo en la automatización de procesos, simplificación, reducción del error humano y ahorro de tiempo. Para la estimación de recursos minerales ya se ha aplicado en varias de sus etapas, incluso, muchos reportes de estimación lo han usado como método de interpolación para declarar sus recursos minerales.

En una industria global consumidora de recursos como los metales, anticipar las variaciones de sus precios ayuda directa o indirectamente a las empresas y gobiernos en la toma de decisiones de inversión y estrategias financieras. Por lo que presentamos en el artículo algunos métodos que son aplicables a la predicción de metales, pero finalmente también puede extrapolarse a predecir costos en procesos como la molienda, refinación y otros costos de minería.

El análisis de texto que podemos registrar mediante visualizaciones potentes en Power Bi nos permite recabar información sobre temas actuales, opiniones, sentimientos y junto al procesamiento del lenguaje natural permite crear modelos predictivos que se pueda ir alimentando con nuevos datos para mejorar predicciones, pero sobre todo hacerlos visibles de una manera sencilla de entender y práctica.

Cada que buscamos volver más eficientes nuestros códigos hacemos uso de dos conceptos importantes: el paralelismo y la simultaneidad. En el artículo diferenciaremos ambos conceptos y cómo a través de herramientas como los hilos o procesos podemos programar en Python.