14

Curso práctico de geoestadística aplicada. Versión 2021.

DE PAGO

DESCRIPCIÓN GENERAL:

El presente curso tiene como objetivo entregar al estudiante los conocimientos prácticos necesarios, para elaborar un proyecto 3D de modelado espacial. Esto, utilizando principalmente algoritmos de estimación y simulación geoestadística. El curso es dedicado a estudiantes y profesionales de carreras tales como ingeniería de minas, geología, petróleo, medio ambiente y en general todas aquellas involucradas al estudio de variables espaciales. SGeMS, acrónimo de Stanford Geostatistical Modeling Software, es un programa computacional de código abierto, el cual, dada su amplia gama de algoritmos geoestadísticos, se vuelve una potente herramienta a la hora de desarrollar trabajos universitarios, de investigación aplicada, para docencia y hasta consultoría.
 

RELATOR:

Heber Hernández Guerra, es Ingeniero civil de minas, master en minería y estudiante de doctorado en la Universidad del País Vasco/Euskal Herriko Unibertsitatea, ha sido director académico en IES, docente en cátedras relativas a Evaluación de Yacimientos en IES, e Investigador en temas relacionados al estudio de variables espaciales. En el ultimo año ha publicado en importantes revistas científicas tales como: Minerals Journal MDPI y Sustainability Journal MDPI.

 
 

PRE REQUISITOS: 

Tener conocimientos básicas de geoestadística. Se necesitará de un ordenador con sistema operativo windows.
 
COMPRAR CURSO:

El valor del curso es de $80,000 CLP (106 USD) con una duración de 12 meses, el cual puede pagar mediante WEBPAYPosterior recibido el pago nuestro ejecutivo tomara contacto con usted vía correo electrónico para entregar credenciales de acceso.

  DIPLOMA:

El curso posee una evaluación al final de todo el contenido, la cual discriminará en la aprobación o no del curso. En caso de aprobar el estudiante recibirá un diploma que señale dicho logro.

Curriculum Curso:

    • Bienvenida al curso 00:17:00
    • Importación de datos 00:33:00
    • Creación de una cuadrícula cartesiana 00:18:00
    • Panel de comandos 00:14:00
    • Agrupamiento multivariable mediante k-medias (machine learning) 00:25:00
    • Desagrupamiento mediante método de celdas 00:35:00
    • Anamorfosis gaussiana y otras transformaciones 00:10:00
    • Estadísticas descriptivas univariadas 00:15:00
    • Estadísticas descriptivas bivariadas 00:05:00
    • Vecinos cercanos 00:15:00
    • Inverso de la distancia 00:08:00
    • Variograma simple 00:20:00
    • Variograma cruzado 00:14:00
    • Validación cruzada 00:16:00
    • Kriging simple 00:21:00
    • Kriging ordinario 00:13:00
    • Co kriging simple 00:24:00
    • Co kriging ordinario 00:05:00
    • Co kriging colocalizado 00:18:00
    • Post procesamiento de métodos de kriging 00:11:00
    • Kriging de indicadores variable continua 00:30:00
    • Kriging de indicadores variable categórica 00:10:00
    • Simulación secuencial gaussiana 00:33:00
    • Co-simulación secuencial gaussiana 00:24:00
    • Simulación secuencial de indicadores 00:30:00
    • Post procesamiento de la simulación 00:15:00
    • Georreferenciación de modelo de celdas 00:15:00
    • Georreferenciación de modelo de bloques 00:15:00
    • Proyecto 3D de estimación versus simulación (caso real sobre sondajes) 01:00:00
Imagen de perfil
Heber Hernández Guerra

Especialidad:

Geoestadística

Correo de contacto:

heber@nubeminera.cl

Otros cursos que te podrían interesar:

{"title":"Otros cursos","show_title":"0","post_type":"course","taxonomy":"","term":"0","post_ids":"","course_style":"random","featured_style":"course3","masonry":"","grid_columns":"clear1 col-md-12","column_width":"268","gutter":"30","grid_number":"3","infinite":"","pagination":"","grid_excerpt_length":"100","grid_link":"1","css_class":"","container_css":"","custom_css":""}
top
Nube Minera © 2021