Barlin Olivares: Machine Learning y la nueva agricultura sostenible: Aplicaciones en sistemas productivos de bananos

Los sistemas de producción agrícola cuentan con millones de datos que la Inteligencia Artificial (IA) puede transformar en información para favorecer la exactitud en la toma de decisiones del productor y, así, maximizar la producción de forma sostenible. El objetivo de esta conferencia es describir la aplicación de diferentes algoritmos de Machine Learning (ML) en cuatro temas diferentes: a) un análisis de riesgos y mapas de idoneidad climática para Fusarium oxysporum f. sp. cubense (Foc, Raza 4 Tropical) en Venezuela; (b) la relación entre las propiedades del suelo y la incidencia de la marchitez del Banano (MB) a través del análisis discriminante de mínimos cuadrados ortogonales (siglas en ingles OPLS-DA) y el algoritmo de Random Forest (RF); (c) un análisis de la relación de la actividad microbiana con las propiedades fisicoquímicas del suelo en las plantaciones bananeras en Venezuela mediante Mínimos Cuadrados Parciales – Analisis Discriminante (PLS-DA) y el algoritmo de correlación parcial
dispersa con Debiased (DSPC) y por último (d) el uso potencial de las propiedades morfológicas del suelo para diferenciar los niveles de productividad del banano en las condiciones venezolanas mediante un modelo de predicción basado en propiedades categóricas del suelo con la Regresión de escala óptima regularizada.