Programa

Analítica básica de Datos Agrícolas – Llanogrande

Desarrollar en los participantes la capacidad de estructurar, depurar y analizar datos históricos provenientes de cultivos agrícolas, con el fin de identificar patrones, construir indicadores clave y evaluar su potencial para apoyar la toma de decisiones y la generación de modelos predictivos en contextos agrícolas reales.

Duración: 12 horas

Del 1 al 15 de noviembre de 2025.
Sábados 8:00 a.m. a 12:00 m.
Modalidad: Presencial campus de EAFIT Llanogrande

El precio original era: $863.000.El precio actual es: $819.850.

El valor del programa ya aplica la tarifa diferencial por pronto pago.
Este aplica hasta 20 días antes de la fecha de inicio del programa. Una vez pasada esta fecha se aplicará la tarifa plena.

Comprar

Dejar mis datos

Contenido del programa

Sesión 1: Fundamentos y estructuración de datos agrícolas históricos

Objetivo: Comprender la importancia de los datos históricos y aprender a organizar la información disponible en formatos útiles para el análisis.

Contenidos:

¿Qué es analítica de datos en el contexto agrícola? Y tipos de datos disponibles en agricultura (productividad, clima, suelos, plagas, labores, etc.).
Conceptos básicos de programación con lenguaje Python e Inteligencia Artificial.
Diagnóstico de la calidad del dato: ¿Qué tenemos y en qué estado?.
Estrategias para estructurar y limpiar datos desordenados (ej. fechas, unidades, errores comunes).
Recomendaciones para estandarizar el registro de datos agrícolas.

Sesión 2: Exploración y visualización de patrones e indicadores clave

Objetivo: Aprender a analizar los datos para identificar comportamientos, anomalías y generar indicadores de valor.

Contenidos:

Conceptos básicos de análisis exploratorio (tendencias, estacionalidad, outliers)
Indicadores clave para la gestión agrícola: rendimiento promedio, variabilidad, correlaciones con clima, etc.
Visualización de datos: gráficas de series de tiempo, mapas si se cuenta con coordenadas, histogramas, boxplots
Interpretación de resultados y comunicación efectiva

Sesión 3: Modelos básicos para evaluación y predicción

Objetivo: Introducir herramientas simples para identificar potencial predictivo y evaluar escenarios futuros.

Contenidos:

¿Qué es un modelo predictivo? Tipos y ejemplos en agricultura
Variables explicativas y objetivo: cómo elegirlas
Introducción a modelos simples: regresión lineal, clasificación binaria
Evaluación de modelos: precisión, error, utilidad práctica
¿Qué decisiones puedo tomar con estos datos?

Metodología:

El curso se desarrolla en a partir de clases magistrales y talleres. Los estudiantes desarrollaran ejercicios con base en conceptos teóricos, con el fin de comprender los elementos conceptuales y procesos involucrados en un proyecto basado en técnicas de inteligencia artificial.

Dirigido a

ste curso está dirigido a ingenieros agrónomos, agrícolas, agropecuarios y agroindustriales, zootecnistas, administradores de fincas, analistas agrícolas y miembros de cooperativas o empresas agroindustriales interesados en introducirse en el análisis de datos sin necesidad de conocimientos avanzados en programación.