Hernández Martinez, Henry AlbertoMosquera Palacios, Yuly EstefaniaGordillo Hernandez, Anderson Mauricio2024-10-072024-10-072023-10-10http://hdl.handle.net/11349/41271En 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.This 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.pdfspaCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/Conjunto de datosCultivosAprendizaje automáticobachelorThesisIngeniería en Telecomunicaciones -- Tesis y disertaciones académicasDesarrollo de herramientas basadas en aprendizaje automático para la predicción de rendimientos en cultivosAnálisis de datos agropecuariosAgricultura de precisión en ColombiaOpenAccessDatasetCropsMachine learningAbierto (Texto Completo)