Geoestadística para mineros en Python (GP)

143

Curso complementario a "Evaluación de Yacimientos Mineros".

DE PAGO

DESCRIPCIÓN GENERAL:

Geoestadística para mineros en Python [GP], es un curso introductorio de análisis de datos a nivel estadístico y geoestadístico, ejecutado a través de un lenguaje de programación de código abierto denominado Python.

El enfoque que posee este curso es de "aplicación", por lo que no existirán clases de teoría, si no mas bien se aprenderá ejecutando códigos, viendo errores y modelando datos provenientes de campañas de sondajes y muestreos en superficie.

Al finalizar el curso, el estudiante logrará haber aprendido a importar datos, aplicar estadísticas uni y bi variable, detectar errores (valores atípicos), limpiar dataset, compositar, desagrupar (declustering), modelar la continuidad espacial de los datos con variograma, realizar estimaciones con kriging ordinario, crear modelos y generar vistas 2D y 3D.

RELATOR:

Heber Hernández Guerra, es Ingeniero civil de minas, master en minería y candidato a doctor en la Universidad del País Vasco/Euskal Herriko Unibertsitatea, ha ocupado cargos directivos en instituciones de educación superior y actualmente es docente en cátedras y laboratorios de Evaluación de Yacimientos y Planificación Minera. Es investigador en temas relacionados al estudio de variables espaciales, donde el último tiempo ha publicado en importantes revistas científicas tales como: Mathematics, Minerals y Sustainability Journal MDPI.

PRE REQUISITOS:

Dirigido a estudiantes y profesionales de ingeniería quienes tengan fundamentos previos de geoestadística y busquen introducirse en el mundo de la programación para el análisis de datos.

Se necesitará de un ordenador con sistema operativo windows, linux o MacOs, sin embargo las clases serán ejecutadas desde windows.

COMPRAR CURSO:

El valor del curso es de 130 USD | 100,000 CLP | 480 PEN con suscripción de 2 años. Pagar vía PAYPAL dejando como comentario GP-NM. Posterior sea confirmado el pago (máx. 3 horas) recibirá un correo electrónico con su credencial 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:

Primeros pasos en Python
- Bienvenida al curso 00:05:00
- Preparando el entorno de trabajo 00:09:00
- Números 00:13:00
- Secuencias: cadenas y listas 00:10:00
- Secuencias: tuplas y rango 00:08:00
- Conjuntos 00:06:00
- Diccionarios 00:05:00
- Matrices 00:12:00
- Estructuras de control 00:14:00
- Funciones 00:10:00
- Entrada y salida 00:14:00
- Clases y objetos 00:29:00
- Notebooks resumen unidad I 00:00:00
Manejo de datos
- Lectura de datos 00:09:00
- Manipulación de datos 00:14:00
- Manipulación de datos II 00:07:00
- Eliminar valores negativos del dataset 00:11:00
- Ordenar datos por tipo de roca 00:14:00
- Transformación de datos 00:10:00
- Agregar, eliminar, renombrar y ordenar columnas 00:11:00
- Asociación de número a texto 00:04:00
- Columna con condición 00:04:00
- Notebooks resumen unidad II 00:00:00
- Dataset para repaso unidad II 00:00:00
Análisis estadístico
- Estadísticos descriptivos básicos 00:13:00
- El histograma 00:09:00
- El histograma acumulado 00:04:00
- Diagrama de caja y bigotes 00:11:00
- Frecuencia de altos erráticos por tipo de roca 00:17:00
- Tratamiento de altos erráticos 00:14:00
- Diagrama de dispersión 00:24:00
- Vistas de sondaje 2D – 3D 00:22:00
- La distribución normal 00:19:00
- La semilla de la compositación 00:30:00
- Notebooks resumen unidad III 00:00:00
Análisis estructural
- Descarga GSLIB 00:05:00
- Análisis de deriva 00:28:00
- Creación dataset con simulación estocástica 00:37:00
- Conversión ndarray a dataframe y viceversa 00:05:00
- Mapa variográfico 2d 00:13:00
- Práctica propuesta mapa variográfico 00:05:00
- Variograma experimental 2d muestras regulares 00:10:00
- Ajuste del variograma experimental a un modelo teórico 00:13:00
- Notebooks resumen unidad IV 00:00:00
Estimación con kriging
- Kriging ordinario 2D 00:33:00
- Kriging ordinario 3D 00:27:00
- Notebooks resumen unidad V 00:00:00
Visualización de modelos
- Instalación de Paraview 00:10:00
- Preparación de datos [modelo 2D] 00:15:00
- Visualización muestras 2D 00:14:00
- Visualización modelo 2D 00:05:00
- Visualización muestras 3D 00:08:00
- Visualización modelo 3D 00:18:00
Evaluación Curso
- Finalización curso GP 00:10:00

Course Reviews

5

7 calificaciones

5 stars7
4 stars0
3 stars0
2 stars0
1 stars0

Diego Díaz Leónenero 7, 2022 at 2:21 pm

Excelente curso
5
Muy completo y detallado para quienes no tengan conocimiento, saldran con una base solida en geoestadistica y software Python
Tomás Contreras Cadizdiciembre 22, 2021 at 2:56 pm

Python
5
un curso muy completo totalmente recomendado a quien tenga ganas de estudiar
CINTHIA GLADBET LIZZET BARBOZA BRAVOjunio 15, 2021 at 10:14 pm

GEOESTADÍSTICA PARA MINEROS EN PYTHON
5
El curso ha sido bastante claro y didáctico.
José Santosabril 4, 2021 at 1:16 am

curso GP
5
Gracias por el curso, quedo satisfecho por lo aprendido.
Cristóbal Cobomarzo 21, 2021 at 3:41 pm

Comentario.
5
Muy agradecido del curso y se quiero resaltar la pedagogía empleada en las capsulas, esto hizo muy ameno el curso.
Miguel Sergio Chique Sayreenero 23, 2021 at 2:42 am

Excelente Curso
5
Quedo satisfecho con lo aprendido en este curso, te da a entender lo esencial sobre Python y su aplicación a la geoestadística.
Carlos Astorga Bacarrezzaoctubre 29, 2020 at 7:38 pm

Curso aprobado!
5
Muchas gracias por los contenidos levantados, de mucha utilidad!.

Heber Hernández Guerra

Especialidad:

Geoestadística, Machine Learning

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":""}