El aprendizaje automático, permite a las computadoras aprender automáticamente a partir de datos, sin necesidad de ser programadas de forma explícita para cada tarea. Es decir, en lugar de seguir instrucciones rígidas, los algoritmos de Machine Learning detectan patrones en los datos, los analizan y luego hacen predicciones o toman decisiones por sí mismos.
Planteamiento del Problema
La estimación del contenido de cobre en depósitos minerales es una tarea crítica en la exploración geológica y en la planificación minera. Este proceso suele requerir análisis de laboratorio costosos y tiempo en campo. Sin embargo, muchos depósitos cuentan con información básica sobre sus características geográficas y geológicas, lo que permite aprovechar herramientas como la inteligencia artificial para estimar el contenido de cobre sin recurrir a métodos tradicionales como perforaciones.
Objetivo General
Desarrollar modelos de redes neuronales artificiales para el análisis de datos geológicos y mineros aplicando técnicas de machine learning en casos de regresión y clasificación. El modelo de regresión permitirá predecir el porcentaje de cobre a partir de variables del conjunto de datos, mientras que el modelo de clasificación facilitará la identificación del tipo de depósito, contribuyendo así a encontrar regiones prospectivas para el descubrimiento de nuevos yacimientos.
Metodología
Modelos multivariables
Es un algoritmo de aprendizaje automático que se utiliza para modelar la relación entre una variable dependiente (o variable objetivo) y una o más variables independientes (o características). El objetivo es predecir el valor de la variable dependiente en función de las variables independientes
Es un algoritmo de aprendizaje automático que se utiliza para asignar una etiqueta o categoría a un objeto o instancia en función de sus características. El objetivo es predecir la clase correcta para un nuevo objeto o instancia en función de las características que se le proporcionan.