Aplicación basada en software para caracterizar los cultivos de papa, arveja y frijol a nivel nacional utilizando un conjunto de datos del MADR y una técnica de aprendizaje automático

dc.contributor.advisorHernández Martinez, Henry Alberto
dc.contributor.authorMosquera Palacios, Yuly Estefania
dc.contributor.authorGordillo Hernandez, Anderson Mauricio
dc.contributor.orcidHernández Martínez, Henry Alberto [0000-0002-2323-0242]
dc.date.accessioned2024-10-07T18:05:38Z
dc.date.available2024-10-07T18:05:38Z
dc.date.created2023-10-10
dc.descriptionEn este proyecto se presenta una herramienta basada en software que le permite al agricultor conocer el rendimiento de los cultivos de papa, frijol y arveja en el departamento de Boyacá por ende beneficiará sus futuras cosechas. El contexto del trabajo se enmarca en la problemática del escaso uso de las herramientas tecnológicas en el entorno de la agricultura y la necesidad de renovar las formas utilizadas hasta el momento por los campesinos. La solución consiste en desarrollar una herramienta basada en software para caracterizar los cultivos de papa, arveja y frijol a nivel nacional utilizando el conjunto de datos de Evaluaciones Agropecuarias Municipales del Ministerio de Agricultura y Desarrollo Rural (representado por la sigla MADR) e implementando técnicas de aprendizaje automático (del inglés Machine Learning representado por la sigla ML) y analítica predictiva para evaluar su comportamiento y precisión.
dc.description.abstractThis project presents a software-based tool that allows the farmer to know the yield of potato, bean and pea crops in the department of Boyacá therefore it will benefit your future crops. The context of the work is framed in the problem of scarce use of technological tools in the agricultural environment and the need to renew the forms used until now by peasants. The solution is to develop a software-based tool to characterize the potato, pea and bean crops at the national level using the Evaluations data set Municipal Agricultural Companies of the Ministry of Agriculture and Rural Development (represented by the MADR) and implementing machine learning techniques (Machine Learning represented by the acronym ML) and predictive analytics to evaluate its behavior and precision.
dc.format.mimetypepdfspa
dc.identifier.urihttp://hdl.handle.net/11349/41271
dc.language.isospa
dc.rightsCC0 1.0 Universal*
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectConjunto de datos
dc.subjectCultivos
dc.subjectAprendizaje automático
dc.subject.keywordDataset
dc.subject.keywordCrops
dc.subject.keywordMachine learning
dc.subject.lembIngeniería en Telecomunicaciones -- Tesis y disertaciones académicas
dc.subject.lembDesarrollo de herramientas basadas en aprendizaje automático para la predicción de rendimientos en cultivos
dc.subject.lembAnálisis de datos agropecuarios
dc.subject.lembAgricultura de precisión en Colombia
dc.titleAplicación basada en software para caracterizar los cultivos de papa, arveja y frijol a nivel nacional utilizando un conjunto de datos del MADR y una técnica de aprendizaje automático
dc.title.titleenglishSoftware based application for characterize potato, pea and crops beans at a national level using a set of data from the MADR and a learning technique automatic
dc.typebachelorThesisspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.degreeMonografíaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
Trabajo de grado.pdf
Tamaño:
2.62 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado.
No hay miniatura disponible
Nombre:
Licencia de uso y publicacion.pdf
Tamaño:
303.11 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia de uso y publicación.

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción: