Machine learning para a definição de domínios geológicos

Vá para conceitos e práticas de machine learning na definição de domínios para a modelagem de recursos minerais.

Objectivo

A definição de domínios é uma dos primeiras etapas na modelagem de recursos minerais, e uma das mais importantes em todo o workflow de estimativa. A definição inadequada de domínios geológicos pode levar à mistura de populações, causando inconsistências na estimativa de teores e tonelagens. Este curso permite aos participantes adquirir conhecimentos em machine learning e algumas de suas aplicações na modelagem de recursos minerais, especialmente em casos multivariados. São abordados métodos estatísticos tradicionais e técnicas multivariadas para a definição de domínios.

Principais caracteristicas

  • Metade do curso é dedicado a apresentações metodológicas e a segunda metade é destinada a exercícios práticos para a compreensão e fixação dos conceitos. O foco está nas ilustrações e na contribuição prática dos conceitos abordados.
  • Exercícios práticos com Isatis.neo Mining Edition.
  • No curso é fornecido o material didático e a licença temporária do software.

Quem deve participar

Este curso é destinado a geólogos, engenheiros e gestores que desejam adquirir conhecimento teórico e prático sobre machine learning e suas aplicações na definição de domínios para modelagem.

Conhecimentos básicos em Python são desejáveis, mas não necessários, já que o curso contempla uma introdução/revisão à essa linguagem.

Conteúdo do curso

  • DIA 1 (SESSÕES ONLINE 1 E 2)
    Revisão de técnicas de análise exploratória de dados,
    Introdução ao machine learning e suas aplicações nas geociências,
    Introdução/revisão de conceitos de programação em Python e introdução ao uso de Jupyter Notebooks.
  • DIAS 2 E 3 (SESSÕES ONLINE 3, 4, 5 E 6)
    Introdução às técnicas de cluster analysis: teoria e prática,
    Cluster analysis tradicional usando Python,
    Cluster analysis de dados espaciais utilizando o Isatis.neo Mining

Pré-requisitos

É recomendável que os participantes tenham conhecimentos em estatística, geoestatística básica e modelagem geológica.

Conhecimentos básicos em linguagem Python são desejáveis.