{"id":88908,"date":"2023-03-03T08:49:51","date_gmt":"2023-03-03T11:49:51","guid":{"rendered":"https:\/\/uni.edu.py\/?p=88908"},"modified":"2023-03-03T08:49:51","modified_gmt":"2023-03-03T11:49:51","slug":"nasa-arset-fundamentals-of-machine-learning-for-earth-science-nasa-arset-training-invitation","status":"publish","type":"post","link":"https:\/\/archivo.uni.edu.py\/2018-2023\/2023\/03\/03\/nasa-arset-fundamentals-of-machine-learning-for-earth-science-nasa-arset-training-invitation\/","title":{"rendered":"NASA ARSET] Fundamentals of Machine Learning for Earth Science: NASA ARSET training  invitation"},"content":{"rendered":"<p>Desde el Observatorio del Agua de la Universidad Nacional de Itap\u00faa, se extiende la invitaci\u00f3n al Nuevo\u00a0 curso de ARSET sobre inteligencia artificial en Espa\u00f1ol, organizado por el programa ARSET de la NASA, los d\u00edas 20 y 27 de abril y 4 de mayo de 2023, 14h a 15h30 horario este de EE.UU. (UTC-4). Las inscripciones se encuentran abierta. Es desarrollado dentro del \u00e1rea del programa de Conservaci\u00f3n Ecol\u00f3gica, poniendo las Ciencias de la Tierra al servicio de un mundo mejor.<\/p>\n<p><em>Visualizamos un mundo donde las observaciones de la Tierra est\u00e1n al alcance de su mano, para mejorar la toma de decisiones, fortalecer la econom\u00eda y mejorar la calidad de vida de toda la humanidad.Pies en la Tierra, cabeza en los cielos. Mejorando vidas, mirando la Tierra.<\/em> (Programa de Ciencias Aplicadas, parte de la Divisi\u00f3n de Ciencias de la Tierra de la Direcci\u00f3n de Misi\u00f3n Cient\u00edfica de la NASA).<\/p>\n<p>&nbsp;<\/p>\n<p><strong>DETALLES<\/strong><\/p>\n<p>20 de abril de 2023 -4 de mayo de 2023<\/p>\n<p><strong>IDIOMAS<\/strong> Ingl\u00e9s<\/p>\n<p><strong>TIPO DE ENTRENAMIENTO<\/strong> Entrenamiento en linea<\/p>\n<p><strong>NIVEL<\/strong> Introductorio<\/p>\n<p><strong>FUENTE DE ENTRENAMIENTO<\/strong>:\u00a0 ARSET- NASA<\/p>\n<p><strong>REQUISITOS PREVIOS:<\/strong> Fundamentos de la teledetecci\u00f3n<\/p>\n<p><strong>Esta capacitaci\u00f3n tambi\u00e9n est\u00e1 disponible en\u00a0 espa\u00f1ol<\/strong> .<\/p>\n<p><strong>Registro en<\/strong>: <a href=\"https:\/\/register.gotowebinar.com\/register\/8425667984257110368\">https:\/\/register.gotowebinar.com\/register\/8425667984257110368<\/a><\/p>\n<p><strong>Citaci\u00f3n<\/strong><\/p>\n<p>(2023). ARSET &#8211; Fundamentos de Machine Learning para Ciencias de la Tierra . Programa de Entrenamiento de Detecci\u00f3n Remota Aplicada de la NASA (ARSET).<\/p>\n<p><strong>Dirigido a:<\/strong> Cient\u00edficos de investigaci\u00f3n y aplicados interesados \u200b\u200ben aprender a aplicar t\u00e9cnicas b\u00e1sicas de aprendizaje autom\u00e1tico a datos de ciencias de la Tierra (p. ej., datos satelitales como MODIS, Landsat, Sentinel-2, etc.).<\/p>\n<p><strong>Descripci\u00f3n: <\/strong><\/p>\n<p>La inteligencia artificial y el aprendizaje autom\u00e1tico han ganado popularidad en las \u00faltimas d\u00e9cadas como resultado de los avances en la inform\u00e1tica de alto rendimiento y el software de c\u00f3digo abierto. En esencia, el aprendizaje autom\u00e1tico proporciona una inferencia estad\u00edstica basada en las entradas proporcionadas por el usuario, en la que los algoritmos aprenden las relaciones entre los datos de entrada y los resultados de salida. La complejidad de estos algoritmos permite el descubrimiento de patrones y tendencias invisibles para el analista humano, por lo que es importante crear entradas adecuadas para el an\u00e1lisis de estos modelos para garantizar que respondan a las preguntas que hacemos. Esta capacitaci\u00f3n brindar\u00e1 a los asistentes una descripci\u00f3n general del aprendizaje autom\u00e1tico en lo que respecta a las Ciencias de la Tierra y c\u00f3mo aplicar estos algoritmos y t\u00e9cnicas a los datos de detecci\u00f3n remota de manera significativa. Los asistentes tambi\u00e9n recibir\u00e1n ejemplos de estudios de casos completos para generar un modelo de bosque aleatorio simple para la clasificaci\u00f3n de la cobertura terrestre a partir de la teledetecci\u00f3n \u00f3ptica. Tambi\u00e9n presentaremos estudios de casos adicionales para aplicar los flujos de trabajo presentados utilizando datos adicionales de la NASA.<\/p>\n<p><strong>OBJETIVO<\/strong><\/p>\n<p><strong>Al final de esta capacitaci\u00f3n, los asistentes podr\u00e1n: <\/strong><\/p>\n<p>Reconocer los m\u00e9todos de aprendizaje autom\u00e1tico m\u00e1s comunes utilizados para procesar datos de Ciencias de la Tierra<\/p>\n<p>Describir los beneficios y las limitaciones del aprendizaje autom\u00e1tico para el an\u00e1lisis de Ciencias de la Tierra<\/p>\n<p>Explicar c\u00f3mo aplicar t\u00e9cnicas y algoritmos b\u00e1sicos de aprendizaje autom\u00e1tico de manera significativa a los datos de teledetecci\u00f3n<\/p>\n<p>Use un conjunto de datos de entrenamiento apropiado para el an\u00e1lisis para evaluar las condiciones y soluciones para un estudio de caso dado<\/p>\n<p>Procedimientos b\u00e1sicos completos para interpretar, refinar y evaluar la precisi\u00f3n de los resultados del an\u00e1lisis de aprendizaje autom\u00e1tico<\/p>\n<p><strong>FORMATO DEL CURSO:<\/strong>\u00a0 Tres sesiones de 1,5 horas.<\/p>\n<p><strong>SESIONES<\/strong><\/p>\n<p><strong><em>Parte 1: Descripci\u00f3n general del aprendizaje autom\u00e1tico<\/em><\/strong><\/p>\n<p>10:00 a 11:30 EDT (UTC-4:00)<\/p>\n<p>jueves, 20 de abril de 2023<\/p>\n<p>Entrenadores: Jordan A. Caraballo-Vega, Caleb Spradlin, Jian Li, Jules Kouatchou<\/p>\n<p>Descripci\u00f3n general del aprendizaje autom\u00e1tico<\/p>\n<p>Importancia del aprendizaje autom\u00e1tico dirigido a las ciencias de la tierra<\/p>\n<p>Usabilidad del aprendizaje autom\u00e1tico<\/p>\n<p>Software para apoyar el aprendizaje autom\u00e1tico<\/p>\n<p>Aplicaciones de aprendizaje autom\u00e1tico<\/p>\n<p>Ejercicio pr\u00e1ctico de Jupyter Notebook: carga y visualizaci\u00f3n de datos<\/p>\n<p>Asignaci\u00f3n posterior a la sesi\u00f3n<\/p>\n<p>Sesi\u00f3n de preguntas y respuestas<\/p>\n<p><strong><em>Parte 2: datos de entrenamiento y ejemplo de clasificaci\u00f3n de cobertura terrestre<\/em><\/strong><\/p>\n<p>10:00 a 11:30 EDT (UTC-4:00)<\/p>\n<p>jueves, 27 de abril de 2023<\/p>\n<p>Entrenadores: Jordan A. Caraballo-Vega, Caleb Spradlin, Jian Li, Jules Kouatchou<\/p>\n<p>Descargar los datos de entrenamiento<\/p>\n<p>An\u00e1lisis exploratorio de datos<\/p>\n<p>Extracci\u00f3n de datos de entrenamiento de un conjunto de datos tabulares<\/p>\n<p>Extracci\u00f3n de datos de entrenamiento de un conjunto de datos r\u00e1ster<\/p>\n<p>Entrenamiento e inferencia de conjuntos de datos tabulares y r\u00e1ster<\/p>\n<p>Evaluaci\u00f3n de m\u00e9tricas y modelos<\/p>\n<p>Ejercicio pr\u00e1ctico de Jupyter Notebook: estudio de caso de clasificaci\u00f3n de agua MODIS<\/p>\n<p>Asignaci\u00f3n posterior a la sesi\u00f3n<\/p>\n<p>Sesi\u00f3n de preguntas y respuestas<\/p>\n<p><strong><em>Parte 3: ajuste del modelo, optimizaci\u00f3n de par\u00e1metros y algoritmos adicionales de aprendizaje autom\u00e1tico<\/em><\/strong><\/p>\n<p>10:00 a 11:30 EDT (UTC-4:00)<\/p>\n<p>jueves, 4 de mayo de 2023<\/p>\n<p>Entrenadores: Jordan A. Caraballo-Vega, Caleb Spradlin, Jian Li, Jules Kouatchou<\/p>\n<p>Descripci\u00f3n general del ajuste del modelo<\/p>\n<p>Descripci\u00f3n general de la optimizaci\u00f3n de par\u00e1metros<\/p>\n<p>Ejercicio para optimizar el modelo existente<\/p>\n<p>Descripci\u00f3n general de la explicabilidad y la interpretabilidad del modelo<\/p>\n<p>Descripci\u00f3n general de algoritmos de aprendizaje autom\u00e1tico adicionales<\/p>\n<p>Ejercicio pr\u00e1ctico de Jupyter Notebook: mejoras en el modelo de clasificaci\u00f3n de agua MODIS<\/p>\n<p>Asignaci\u00f3n posterior a la sesi\u00f3n<\/p>\n<p>Sesi\u00f3n de preguntas y respuestas.<\/p>\n<p>&nbsp;<\/p>\n<p><img loading=\"lazy\" class=\"alignleft size-medium wp-image-88909\" src=\"https:\/\/uni.edu.py\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS-300x132.jpg\" alt=\"\" width=\"300\" height=\"132\" srcset=\"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS-300x132.jpg 300w, https:\/\/archivo.uni.edu.py\/2018-2023\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS-1024x450.jpg 1024w, https:\/\/archivo.uni.edu.py\/2018-2023\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS-768x337.jpg 768w, https:\/\/archivo.uni.edu.py\/2018-2023\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS-1536x674.jpg 1536w, https:\/\/archivo.uni.edu.py\/2018-2023\/wp-content\/uploads\/2023\/03\/NASA-INVITACION-A-CURSOS.jpg 1790w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Desde el Observatorio del Agua de la Universidad Nacional de Itap\u00faa, se extiende la invitaci\u00f3n al Nuevo\u00a0 curso de ARSET<\/p>\n","protected":false},"author":4,"featured_media":88909,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[747],"tags":[],"_links":{"self":[{"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/posts\/88908"}],"collection":[{"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/comments?post=88908"}],"version-history":[{"count":1,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/posts\/88908\/revisions"}],"predecessor-version":[{"id":88910,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/posts\/88908\/revisions\/88910"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/media\/88909"}],"wp:attachment":[{"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/media?parent=88908"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/categories?post=88908"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/archivo.uni.edu.py\/2018-2023\/wp-json\/wp\/v2\/tags?post=88908"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}