Machine learning en el análisis visual de minerales del grupo de los espinelos

En las últimas décadas, el análisis visual de datos multidimensionales ha ganado una importancia significativa debido al crecimiento exponencial en el volumen y la complejidad de los datos generados en diversas áreas, como la ciencia, la ingeniería, y la medicina. Este crecimiento ha planteado desaf...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Antonini, Antonella, Luque, Leandro, Tanzola, Juan E., Asiain, Lucía, Ferracutti, Gabriela, Castro, Silvia Mabel, Bjerg, Ernesto A., Ganuza, María Luján
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
visualización de datos multidimensionales
Machine Learning
análisis visual
visualización de datos geológicos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/176162
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-176162
record_format dspace
spelling I19-R120-10915-1761622025-02-05T20:05:07Z http://sedici.unlp.edu.ar/handle/10915/176162 Machine learning en el análisis visual de minerales del grupo de los espinelos Antonini, Antonella Luque, Leandro Tanzola, Juan E. Asiain, Lucía Ferracutti, Gabriela Castro, Silvia Mabel Bjerg, Ernesto A. Ganuza, María Luján 2024-04 2024 2025-02-05T16:36:31Z es Ciencias Informáticas visualización de datos multidimensionales Machine Learning análisis visual visualización de datos geológicos En las últimas décadas, el análisis visual de datos multidimensionales ha ganado una importancia significativa debido al crecimiento exponencial en el volumen y la complejidad de los datos generados en diversas áreas, como la ciencia, la ingeniería, y la medicina. Este crecimiento ha planteado desafíos en el análisis de estos conjuntos de datos cada vez más grandes y complejos. Las técnicas de visualización, como matriz de scatterplots, coordenadas paralelas y las caras de Chernoff, proporcionan herramientas poderosas para explorar datos multidimensionales. Asimismo, varios estudios recientes demostraron el potencial del aprendizaje automático en la solución de problemas de distintas disciplinas. Integrar técnicas de Machine Learning (ML) en el análisis visual de datos multidimensionales podría abrirnos nuevas puertas para la identificación automatizada de patrones complejos, la extracción de conocimiento útil y la realización de procesos iterativos más ágiles y eficientes. En este contexto, en el ámbito de la mineralogía, exploramos nuevas técnicas de visualización multidimensional e integramos técnicas de Machine Learning para el análisis visual de los minerales que integran el grupo de los espinelos; importantes indicadores petrogenéticos. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 230-233
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
visualización de datos multidimensionales
Machine Learning
análisis visual
visualización de datos geológicos
spellingShingle Ciencias Informáticas
visualización de datos multidimensionales
Machine Learning
análisis visual
visualización de datos geológicos
Antonini, Antonella
Luque, Leandro
Tanzola, Juan E.
Asiain, Lucía
Ferracutti, Gabriela
Castro, Silvia Mabel
Bjerg, Ernesto A.
Ganuza, María Luján
Machine learning en el análisis visual de minerales del grupo de los espinelos
topic_facet Ciencias Informáticas
visualización de datos multidimensionales
Machine Learning
análisis visual
visualización de datos geológicos
description En las últimas décadas, el análisis visual de datos multidimensionales ha ganado una importancia significativa debido al crecimiento exponencial en el volumen y la complejidad de los datos generados en diversas áreas, como la ciencia, la ingeniería, y la medicina. Este crecimiento ha planteado desafíos en el análisis de estos conjuntos de datos cada vez más grandes y complejos. Las técnicas de visualización, como matriz de scatterplots, coordenadas paralelas y las caras de Chernoff, proporcionan herramientas poderosas para explorar datos multidimensionales. Asimismo, varios estudios recientes demostraron el potencial del aprendizaje automático en la solución de problemas de distintas disciplinas. Integrar técnicas de Machine Learning (ML) en el análisis visual de datos multidimensionales podría abrirnos nuevas puertas para la identificación automatizada de patrones complejos, la extracción de conocimiento útil y la realización de procesos iterativos más ágiles y eficientes. En este contexto, en el ámbito de la mineralogía, exploramos nuevas técnicas de visualización multidimensional e integramos técnicas de Machine Learning para el análisis visual de los minerales que integran el grupo de los espinelos; importantes indicadores petrogenéticos.
format Objeto de conferencia
Objeto de conferencia
author Antonini, Antonella
Luque, Leandro
Tanzola, Juan E.
Asiain, Lucía
Ferracutti, Gabriela
Castro, Silvia Mabel
Bjerg, Ernesto A.
Ganuza, María Luján
author_facet Antonini, Antonella
Luque, Leandro
Tanzola, Juan E.
Asiain, Lucía
Ferracutti, Gabriela
Castro, Silvia Mabel
Bjerg, Ernesto A.
Ganuza, María Luján
author_sort Antonini, Antonella
title Machine learning en el análisis visual de minerales del grupo de los espinelos
title_short Machine learning en el análisis visual de minerales del grupo de los espinelos
title_full Machine learning en el análisis visual de minerales del grupo de los espinelos
title_fullStr Machine learning en el análisis visual de minerales del grupo de los espinelos
title_full_unstemmed Machine learning en el análisis visual de minerales del grupo de los espinelos
title_sort machine learning en el análisis visual de minerales del grupo de los espinelos
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/176162
work_keys_str_mv AT antoniniantonella machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT luqueleandro machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT tanzolajuane machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT asiainlucia machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT ferracuttigabriela machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT castrosilviamabel machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT bjergernestoa machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
AT ganuzamarialujan machinelearningenelanalisisvisualdemineralesdelgrupodelosespinelos
_version_ 1845116768232669184

Ejemplares similares