Medellín - Minas - Maestría en Ingeniería - Analítica · 2024

Predicción de precios del mercado agrícola en Colombia : aplicación de modelos de aprendizaje automático y minería de datos para la toma de decisiones en la agricultura

La presente investigación se centra en la aplicación de modelos de aprendizaje automático y minería de datos para la toma de decisiones en la agricultura colombiana, con un enfoque particular en la predicción de precios del mercado agrícola. En un contexto donde la agricultura enfrenta desafíos significativos debido a la variabilidad climática, fluctuaciones de mercado y cambios en las políticas, el uso de técnicas avanzadas de análisis se vuelve crucial para optimizar la producción y maximizar los ingresos de los agricultores. El estudio comienza con una revisión exhaustiva del marco teórico relacionado con el aprendizaje automático, incluyendo modelos de regresión lineal y no lineal, así como técnicas de aprendizaje supervisado y no supervisado. Se exploran diferentes algoritmos de machine learning, tales como redes neuronales, árboles de decisión y modelos basados en soporte vectorial. La investigación también aborda la importancia del análisis exploratorio de datos (EDA) y el preprocesamiento de datos, elementos esenciales para asegurar la calidad y relevancia de los modelos predictivos. A través de un diseño metodológico riguroso, se seleccionaron herramientas y tecnologías adecuadas para el análisis. Se caracterizó una base de datos que incluye variables climáticas, económicas y geográficas relevantes para el sector agrícola. El modelo predictivo propuesto se validó mediante comparaciones con otros enfoques existentes, demostrando su eficacia en términos de precisión y escalabilidad. Los resultados obtenidos indican que los modelos basados en técnicas avanzadas no solo mejoran la precisión en la predicción de precios, sino que también ofrecen a los agricultores información valiosa para la toma de decisiones estratégicas. Este trabajo contribuye significativamente al campo de la inteligencia artificial aplicada a la agricultura, proporcionando un marco útil para futuras investigaciones y aplicaciones prácticas. Finalmente, se discuten las limitaciones del estudio y se sugieren direcciones para investigaciones futuras que podrían incluir el uso de datos en tiempo real y el desarrollo de sistemas más integrados que consideren diversas variables que afectan al sector agrícola. (Tomado de la fuente)

Tesauro de su biblioteca