Data Science Geoestadística

Estimación de recursos minerales con redes neuronales artificiales (RNA)

5

7

27

Heber Hernández

Curso en formato e-learning con 16 horas de contenido

PRIVADO

DESCRIPCIÓN GENERAL:

Este curso busca introducir a profesionales y estudiantes de la geología e ingeniería de minas, en el uso de Machine Learning aplicado a la estimación de recursos minerales. Más específicamente en la implementación de redes neuronales artificiales en etapas de construcción automática del modelo geológico, en la definición de dominios de estimación y en la estimación de leyes minerales. Cada tema es tratado a nivel teórico, con sus respectivas bases matemáticas y la implementación completamente guiada en Python 3. Al finalizar el curso el estudiante aprobado será capaz de implementar una red neuronal artificial multicapa (forward propagation) como una alternativa a la estimación tradicional de recursos minerales.

REQUISITOS: 

Conocimientos básicos en las etapas de la estimación de recursos minerales (1). Conocimientos básicos del lenguaje de programación Python (2).
RELATOR:

MSc. Heber Hernández Guerra, es ingeniero civil de minas, master en minería y candidato a doctor de la Universidad del País Vasco/Euskal Herriko Unibertsitatea, actualmente se desempeña como docente universitario e investigador en temas relativos al estudio de variables espaciales.

PRESENTACIÓN: 
COMPRAR CURSO:

El valor del curso es de 260 USD con suscripción de 2 meses Posterior sea confirmado el pago vía PayPal recibirá un correo electrónico con su credencial de acceso.

Comprare el siguiente servicio:
Mi nombre es:
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.

Course Currilcum

    • ¿Qué es una red neuronal artificial (RNA)? 00:29:00
    • Etapas de la estimación de recursos minerales donde es posible usar RNA 00:28:00
    • Inteligencia artificial, machine learning y deep learning 00:18:00
    • Tipos de aprendizaje 00:13:00
    • Neurona de McCulloch & Pitts (M-P) 00:28:00
    • Implementación de neurona M-P (Python) 00:06:00
    • Perceptrón simple 00:22:00
    • Implementación del perceptrón simple (Python) 00:11:00
    • Perceptrón simple monocapa para clasificar múltiples clases 00:17:00
    • Implementación perceptrón simple para clasificar zonificación mineral (Python) 00:17:00
    • Arquitectura del perceptrón multicapa 00:18:00
    • Propagación 00:17:00
    • Función de costo 00:19:00
    • Función de optimización 00:10:00
    • Retro propagación 00:26:00
    • Implementación del perceptrón multicapa para clasificar zonificación mineral (Python) 00:11:00
    • Escalón 00:08:00
    • Sigmoidal 00:04:00
    • Softmax 00:06:00
    • Tangente hiperbólica 00:06:00
    • Relu 00:05:00
    • Gradiente descendente 00:28:00
    • Gradiente descendente estocástica 00:10:00
    • Adam 00:18:00
    • Selección del número de capas en una RNA profunda 00:21:00
    • Selección del número de neuronas por capa 00:15:00
    • RNA en el modelado 3d de atributos geológicos (Python) 00:50:00
    • RNA en la estimación 3d de leyes minerales (Python) 00:39:00
    • RNA en la definición 3d de unidades geológicas multi-clase (Python) 00:47:00
    • Visualización del modelo de bloques multi-clases en SGeMS 00:15:00
    • Incorporando ley en problema de clasificación multi-clase a nivel de modelo de bloques 00:30:00
    • Comparación de RNA vs estimación geoestadística (caso 2d Python) 00:46:00
    • Definición de dominios geológicos con RNA autoencoder + K-medias (Python) 00:25:00
    • Red Neuronal de Función de Base Radial 00:40:00

Course Reviews

5

5
7 ratings
  • 5 estrellas7
  • 4 estrellas0
  • 3 estrellas0
  • 2 estrellas0
  • 1 estrellas0
  1. MARIO ENRIQUE SUAREZ LOZADAmayo 21, 2025 en 3:41 pm
    Buen curso
    5

    muy buen curso, el profesor lleva explicando paso a paso y se entiende bien.

  2. ANA KAREN RODRIGUEZ SANCHEZmayo 20, 2025 en 1:22 pm
    Buen curso
    5

    Te explica de una manera sencilla la teoría

  3. NATALIA DIAZ PINETEmayo 20, 2025 en 10:49 am
    EXCELENTE
    5

    Un buen curso, entendible y muy práctico.

  4. Nicolás Agustín Ibarramayo 9, 2025 en 12:52 pm
    Muy buen curso
    5

    Requiere conocimientos de Python. Se recomienda usar una base de datos propia para probar y mejorar los modelos propuestos.

  5. Rodrigo Antonio Díaz Olmeñojunio 22, 2024 en 10:33 pm
    Muy buen curso
    5

    Debes tener un manejo básico en python.

top
Nube Minera © 2025