CODEa Business Logo
Cursos Programación y Automatización

Análisis exploratorio de datos aplicado a un modelo de bloques

El análisis exploratorio de datos (EDA) es un paso fundamental en la minería de datos aplicada a la industria minera, ya que permite comprender, procesar y visualizar la información proveniente de un modelo de bloques. Este curso introduce los conceptos de ciencia de datos y Python aplicados a la geología y minería, desarrollando habilidades prácticas en el manejo de librerías como Pandas, Matplotlib y Jupyter widgets para análisis interactivo.

12 horas
Programación y Automatización
On Demand

Instructor

K

Kevin Gómez

LinkedIn

Lo que aprenderás

Python minería geología ciencia datos análisis exploratorio datos Pandas Matplotlib Jupyter modelo bloques visualización visualización

Contenido del curso

5 módulos · 19 lecciones

¿Qué es Python y por qué usarlo en minería? Ventajas frente a otros lenguajes.

Aplicaciones de Python en minería y geología.

Conceptos básicos en ciencia de datos: Datos estructurados, limpieza y exploración.

Ejercicios prácticos en geología: Variables, estructuras y funciones con ejemplos reales.

Series y DataFrames: Creación y manejo de estructuras tabulares.

Manipulación de datos: Filtrado, selección y ordenamiento.

Procesamiento de datos: Limpieza, valores nulos, transformaciones y exportación.

Introducción a Matplotlib: Filosofía y sintaxis básica.

Gráficos exploratorios: Diagramas de dispersión, histogramas, gráficos de líneas y barras.

Gráficos estadísticos: Boxplot y violinplot.

Buenas prácticas en visualización: Colores, etiquetas y presentación de resultados.

Jupyter widgets I y II: Creación de controles interactivos.

Visualización interactiva de datos en 2D: Mapas de distribución de variables.

Visualización interactiva de sondajes en 3D: Exploración gráfica del modelo de bloques.

Carga y tratamiento de datos: Preparación de la información minera.

Análisis univariable: Estadísticos básicos y distribución de variables.

Análisis bivariable: Correlaciones, diagramas cruzados y tendencias.

EDA aplicado a un modelo de bloques: Interpretación de patrones y detección de anomalías.

Visualización de modelos 2D y 3D: Integración de datos para interpretación geológica.