diego bugarin

Pronóstico de Rendimiento de Cultivos

Como parte de mi tesis de maestría, desarrollé un modelo de machine learning para pronosticar rendimientos de cultivos en México usando datos meteorológicos e históricos. El modelo buscaba mejorar la precisión de las predicciones, proporcionando información valiosa para que agricultores y empresas tomaran decisiones proactivas basadas en datos.

Características

  • Extraje y procesé datos usando Python desde múltiples fuentes, incluyendo archivos Excel de plataformas gubernamentales, un web crawler para datos históricos de huracanes de NOAA y datos meteorológicos vía la API de OpenMeteo.
  • Desarrollé un dashboard interactivo en Power BI para analizar y visualizar tendencias de producción de vegetales en México.
  • Preparé conjuntos de datos de entrenamiento y prueba para modelado predictivo, asegurando calidad y consistencia para el análisis.
  • Construí modelos intermitentes en Python y utilicé IBM Watson Machine Learning para predecir la frecuencia de huracanes y sequías.
  • Visualicé el Error Cuadrático Medio (RMSE) de los modelos predictivos para determinar el más preciso.
  • Usé Matplotlib para visualizar la importancia de las variables en los modelos predictivos, obteniendo mejores insights.
  • Desarrollé modelos de machine learning con Watson IBM para pronosticar la producción de vegetales basados en predicciones de fenómenos meteorológicos, integrando pronósticos climáticos con producción agrícola.

Web Crawler para Automatización de Extracción de Datos

Desarrollé un web crawler en Python usando Selenium para extraer datos históricos de huracanes, automatizando el proceso de obtención de información para el modelado predictivo.

Siguiente Proyecto

Pronóstico de Rendimiento de Cultivos | Diego Bugarin