En los últimos años la integración de tecnologías en el sector agroalimentario ha sido un factor determinante en la mejora y eficiencia de la producción, destacando sobre todo el gran impacto de la Inteligencia Artificial. Dentro de la rama de la IA, los algoritmos de Machine Learning (ML) se han convertido en una potente herramienta para la toma de decisiones y el uso eficiente de los recursos por su capacidad de aprender y predecir en base a grandes volúmenes de datos. Esta tecnología está transformando el sector agroalimentario mediante la mejora en la predicción de rendimientos, la detección temprana de plagas y enfermedades, la optimización del riego y fertilización, así como el análisis detallado de suelos y cultivos. El Machine Learning se está convirtiendo en una herramienta esencial para cualquier empresa del sector, optimizando recursos y aumentando la productividad de las explotaciones agrícolas, lo que lo convierte en una ventaja competitiva fundamental.

En el curso se desarrollarán una serie de conceptos de manera guiada, reforzando su comprensión con ejemplos prácticos y casos de uso. Exploraremos cómo el Machine Learning puede integrarse en diferentes etapas del proceso agrícola para mejorar la eficiencia y sostenibilidad, desde la predicción y monitoreo hasta la automatización de tareas clave en el sector agroalimentario.

El contenido del curso será el siguiente:

1. Definición de Machine Learning: se ofrecerá una introducción a la tecnología de Machine Learning para explicar en qué consiste.
2. Aplicación en el Sector Agroalimentario: se analizarán distintos casos de uso de esta tecnología para proporcionar ideas válidas para su implementación en el sector agroalimentario.
3. Conceptos Fundamentales del Machine Learning: se explicarán los conceptos más básicos para entender los algoritmos de Machine Learning.
4. Introducción Python: se ofrecerá una clase introductoria sobre el lenguaje de programación Python, lenguaje estrella en este ámbito, que se utilizará a lo largo del curso para todos los ejemplos.
5. Recolección y Preparación de Datos: se expondrán diversas prácticas a la hora de recoger, analizar y procesar los datos obtenidos para poder usarlos correctamente.
6. Algoritmos Básicos de Machine Learning: se explicará el funcionamiento de los diferentes tipos de modelos de Machine Learning más utilizados en la industria.
7. Evaluación y Validación de Modelos: se expondrá medidas y procedimientos para evaluar el rendimiento de nuestros modelos, corregirlos y compararlos con otros.
8. Conclusiones: se finalizará del curso, exponiendo lo aprendido, evaluando dudas, posibles mejoras y aplicaciones en el sector.

Sesiones

Sesión 1 (2H): 14 de octubre. Horario: 10:00 a 12:00 horas.

• Definición de Machine Learning
• Aplicación en el Sector Agroalimentario

Sesión 2 (2H): 16 de octubre. Horario: 10:00 a 12:00 horas.

• Conceptos Fundamentales del Machine Learning

Sesión 3 (2H): 21 de octubre. Horario: 10.00 a 12.00 horas.

• Introducción Python

Sesión 4 (2H): 23 de octubre. Horario: 10:00 a 12:00 horas.

• Recolección y Preparación de Datos

Sesión 5 (2H): 28 de octubre. Horario: 10:00 a 12:00 horas.

• Algoritmos Básicos de Machine Learning

Sesión 6 (2H): 30de octubre. Horario: 10:00 a 12:00 horas.

• Evaluación y Validación de Modelos
• Conclusiones