Regresar

Implementación de un módulo de análisis estadístico y pbkp_redictivo para agricultura utilizando bigdata y machine learning, integrado al sistema iotmach

Abstract:

El contexto que abarca la minería de datos y aprendizaje de máquina (Data Mining y Machine Learning en inglés respectivamente) tienen como principal objetivo hacer que una máquina de procesamiento con buenas capacidades que demanda esta era tecnológica, ejecute acciones para resolver problemas, empleando técnicas que a posterior podrían ser utilizadas para la toma de decisiones relacionadas a las actividades de una organización. Tanto la minería de datos y el aprendizaje de máquina necesitan información en gran cantidad, aquí es donde entra otro vocablo: Big data, el cual hace referencia a la abundancia de datos obtenidos de distintas fuentes que posee una empresa sea cual sea su sector de comercio; aplicando dichas técnicas, se pueden descubrir patrones, tendencias, similitudes entre datos que existen pero no están visibles de manera clara. Estos descubrimientos van a permitir realizar pbkp_redicciones, clasificaciones, segmentación o agrupación en el marco de un conjunto de datos, que satisfagan necesidades o problemas que a diario surgen dentro de un negocio. En el campo de la agricultura, se realizan muchos procesos que hoy en día son automatizados, en los que permiten entre varias cosas, regular, controlar y administrar de una manera aceptable los recursos que en un cultivo se requiere para una buena producción, mediante dispositivos como sensores, actuadores, que, comunicados entre sí deben operar de cierta manera para optimizar entre varios aspectos: tiempo, dinero y mano de obra. Esta manera de comunicación entre los objetos se denomina Internet de las cosas (IOT-Internet of Things en inglés), el cual ha tenido auge últimamente en la agricultura. Aprovechando la automatización y las tecnologías modernas que actualmente existen, se puede realizar análisis a los datos de un sistema de información o de diversas fuentes de datos, mediante aplicaciones que tengan como finalidad facilitar la manipulación de información dentro del negocio, aplicando técnicas descriptivas y pbkp_redictivas. La información que puede generarse en todo el tiempo de vida de un cultivo, es abundante, por lo que debe ser analizada y sometida a un análisis empleando algoritmos para solventar necesidades, tales como prevenir enfermedades, decidir cuánto regar, controlar la humedad y temperatura, clasificar plantas, agrupar especies de cultivos, entre otras. La implementación de algoritmos o técnicas se pueden plasmar en distintos software dedicados exclusivamente al aprendizaje de máquina, en la actualidad el más popular y el que destaca es el lenguaje R, el mismo que se utilizó para el desarrollo de este proyecto. Este trabajo tuvo como finalidad , diseñar e implementar una aplicación que permita el análisis de la información que se genera dentro del sistema IOTMACH y de datasets externos, de tal manera que se pueda visualizar, manipular, interpretar y aprender de los datos, teniendo en cuenta que la extracción del conocimiento que guardan los datos, pueden ser útiles para que el agricultor o cualquier persona encargada de la administración de los cultivos tome decisiones acertadas respecto a las situaciones que se presenten en un futuro. Con la herramienta desarrollada, se puede constituir un apoyo en el área de agricultura como también en distintas áreas o sectores económicos.