Curso en formato e-learning con 16 horas de contenido

DE PAGO

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 | 200,000 CLP | 960 PEN con suscripción de 2 años. Pagar vía PAYPAL dejando como comentario RNA-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:

Capítulo I: Introducción
- ¿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
Capitulo II: Bases de la neurona artificial
- 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
Capitulo III: RNA Perceptrón multicapa
- 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
Capitulo IV: Funciones de activación y optimización
- 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
Capítulo V: Selección de hiper parámetros
- Selección del número de capas en una RNA profunda 00:21:00
- Selección del número de neuronas por capa 00:15:00
Capítulo VI: Implementación de RNAs en la estimación de recursos minerales
- 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
Capitulo VII: Red Neuronal de Función de Base Radial
- Red Neuronal de Función de Base Radial 00:40:00

Course Reviews

5

2 calificaciones

5 stars2
4 stars0
3 stars0
2 stars0
1 stars0

Juan Carlos Yepezmarzo 16, 2023 at 11:51 pm

Muy interesante las aplicaciones del RNA en la estimacion de recursos
5
El curso ofrece una explicación teórica muy sólida y presenta ejercicios de aplicación excelentes, especialmente en el contexto de la geología y la estimación de recursos. El nivel del curso supera con creces a todas las otras opciones que he encontrado en línea. Estoy plenamente satisfecho con el conocimiento adquirido.
Miguel Sergio Chique Sayreenero 31, 2023 at 11:50 pm

Excelente Curso
5
Curso muy didáctico, sobrepaso mis espectativas y te motiva a buscar más del tema. Muchas gracias NUBE MINERA.

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":""}