Especialización en Gerencia de Proyectos -Virtual · 2026
Modelo predictivo de Machine Learning y evaluación de invernaderos para la mitigación de la Roña (Cladosporium spp.) en gulupa en Cundinamarca: estudio de caso en la empresa Ocati.
Solo ficha. El repositorio marca este trabajo como «Abierto (Texto Completo)»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
La Gulupa (Passiflora edulis f. edulis), producto de importancia para la exportación en Colombia, enfrenta la amenaza de la Roña (Cladosporium spp.), que reduce su calidad comercial y competitividad. Este estudio busca analizar la incidencia de la enfermedad e integrar modelos de Machine Learning y sistemas de infraestructura protegida como estrategias de mitigación temprana, fundamentado en investigaciones de fitopatología, agricultura protegida e inteligencia artificial. El presente estudio usa los datos proporcionados por la empresa Ocati S.A., para descubrir relaciones entre variables que permitan construir un modelo de Machine Learning que pueda predecir la Incidencia de la Roña (%). Dadas las características de las variables consideradas y del objetivo trazado, se aplicarán los procesos recomendados de Ciencia de Datos como Análisis Exploratorio de Datos y Formulación de Hipótesis, pasos previos ideales para la implementación de un modelo de Machine Learning como fase final. Los algoritmos de Machine Learning considerados corresponden a un conjunto, con el objetivo de evaluar diferentes opciones y métricas de rendimiento de los mismos que permitan obtener los mejores resultados posibles. Por lo tanto, se requiere de la ejecución en diversas iteraciones tanto de exploración como de optimización de los modelos, para garantizar la correcta ejecución del proceso y formular las conclusiones y recomendaciones que deriven del estudio relizado.