Aplicación de Software para la gestión y análisis de información del contexto agrícola, mediante la implementación de técnicas y algoritmos de analítica de datos
| dc.contributor.advisor | Talero Sarmiento, Leonardo Hernán | |
| dc.contributor.advisor | Moreno Corzo, Feisar Enrique | |
| dc.contributor.apolounab | Talero Sarmiento, Leonardo Hernán [leonardo-talero] | spa |
| dc.contributor.apolounab | Moreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo] | spa |
| dc.contributor.author | Casallas Vanegas, Diego Hernando | |
| dc.contributor.cvlac | Casallas Vanegas, Diego Hernando [0001690078] | spa |
| dc.contributor.cvlac | Talero Sarmiento, Leonardo Hernán [31387] | spa |
| dc.contributor.cvlac | Moreno Corzo, Feisar Enrique [0001499008] | spa |
| dc.contributor.googlescholar | Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ] | spa |
| dc.contributor.linkedin | Talero Sarmiento, Leonardo Hernán [leonardo-talero-sarmiento] | spa |
| dc.contributor.linkedin | Moreno Corzo, Feisar Enrique [feisar-moreno] | spa |
| dc.contributor.linkedin | Casallas Vanegas, Diego Hernando [diehercasvan/] | spa |
| dc.contributor.orcid | Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163] | spa |
| dc.contributor.orcid | Moreno Corzo, Feisar Enrique [0000-0002-5007-3422] | spa |
| dc.contributor.researchgate | Talero Sarmiento, Leonardo Hernán [Leonardo_Talero] | spa |
| dc.contributor.researchgate | Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891] | spa |
| dc.contributor.researchgroup | Grupo de Investigación Tecnologías de Información - GTI | spa |
| dc.coverage.campus | UNAB Campus Bogotá | spa |
| dc.coverage.spatial | Bogotá (Colombia) | spa |
| dc.date.accessioned | 2026-02-20T16:11:29Z | |
| dc.date.available | 2026-02-20T16:11:29Z | |
| dc.date.issued | 2026-02-20 | |
| dc.degree.name | Magíster en Gestión, Aplicación y Desarrollo de Software | spa |
| dc.description.abstract | En la actualidad, las Tecnologías de la Información y la Comunicación (en adelante TICs) han permeado todos los ámbitos de la sociedad, brindando aplicaciones y herramientas útiles para las diferentes áreas de la ciencia y el saber. De tal manera, en el sector agrícola ofrecen enormes ventajas con la incorporación de estas tecnologías, aumentando la calidad y la eficiencia de esta labor tan importante, para aunar esfuerzos que permitan la disminución de desperdicios y el aprovechamiento de los recursos. Por esta razón, la incursión de las nuevas tecnologías que son enriquecidas con la ciencia de datos plantean un nuevo horizonte para explorar, con conceptos tales como el Internet de las cosas (IOT), el aprendizaje automático (Machine Learning), los diferentes algoritmos de predicción y modelos de análisis de datos; los cuales son útiles en la toma de información, análisis y predicción de comportamientos, incluyendo la evaluación de los datos para la gestión agrícola. Por lo tanto, con este proyecto se pretende desarrollar el análisis, diseño y elaboración de la plataforma web para la captura, registro, consulta y evaluación de fuentes de información de procesos agrícolas de los cultivos en las diferentes zonas específicas del territorio colombiano, determinando por medio de modelos predictivos de datos las mejores condiciones de referencia para los cultivos futuros, de acuerdo a las condiciones históricas, según la región y los procesos previos exitosos, que determinen las variables y condiciones ideales de los cultivos por zonas. De forma que, surgen algunas preguntas sugerentes para resolver esta investigación, las cuales son: ¿Cómo aprovechar las fuentes de datos del gobierno en materia agrícola para proponer soluciones tecnológicas que apoyen las actividades de cultivo, de forma que, se realice el registro, seguimiento y evaluación de cultivos, teniendo la posibilidad de estudiar los datos históricos, a partir de la georreferenciación por zonas del territorio de Colombia? ¿Cómo integrar los datos históricos de los cultivos transitorios con la información de los cultivos actuales, para determinar las condiciones ideales de evolución de las cosechas que nos permitan implementar buenas prácticas sobre el uso y aprovechamiento de los recursos? Por consiguiente, se implementará una serie de herramientas tecnológicas que ayuden en el seguimiento a los cultivos para la captura de datos, por medio del uso de DataSet de Google y las bases de datos abiertas del gobierno, con la finalidad de que esta información viaje hacia la Plataforma web diseñada para la consulta de cultivos y visualización de los resultados del análisis de las bases de datos según el cultivo y la georreferenciación, además de presentar las condiciones históricas de la producción agrícola determinada por zona, permitiendo una evaluación del proceso del cultivo con respecto a los datos históricos y de registro. | spa |
| dc.description.abstractenglish | Currently, Information and Communication Technologies (hereinafter ICTs) have permeated all areas of society, providing useful applications and tools for the different areas of science and knowledge. In this way, in the agricultural sector we have enormous advantages with the incorporation of these technologies in different environments, increasing the quality and efficiency of this important workforce, to join efforts that allow the reduction of waste and the use of resources. For this reason, the incursion of new technologies that are enriched with data science pose a new horizon to explore, with concepts such as the Internet of Things (IOT), automatic learning (Machine Learning), the different algorithms of prediction and data analysis models; which are useful in collecting information, analyzing and predicting behaviors, including the evaluation of data for agricultural management. Therefore, with this project it is intended to develop the analysis, design and development of the web platform for the capture, registration, consultation and evaluation of information sources of agricultural processes of crops in the different specific areas of the Colombian territory, determining Through predictive data models, the best reference conditions for future crops, according to historical conditions, according to the region and previous successful processes, which determine the variables and ideal conditions for crops by zones. Thus, several proposed questions arise to resolve this research: How to take advantage of government data sources in agricultural matters to propose technological solutions that support farming activities, so that the registration, monitoring and evaluation of crops is carried out? , having the possibility of studying the historical data, from the georeferencing by zones of the Colombian territory? How to integrate the historical data of the transitory crops with the information of the current crops to determine the ideal conditions for the evolution of the crops, which allow us to implement good practices on the use and exploitation of resources? Therefore, a series of technological tools will be implemented to help in the monitoring of crops for data capture, through the use of Google's DataSet and open government databases, in order for this information to travel to the Web Platform for crop consultation and visualization of the results of the analysis of the databases according to the crop and georeferencing, in addition to presenting the historical conditions of agricultural production determined by zone, allowing an evaluation of the cultivation process with regarding historical and log data. | spa |
| dc.description.degreelevel | Maestría | spa |
| dc.description.learningmodality | Modalidad Presencial | spa |
| dc.description.tableofcontents | GLOSARIO 18 1. INTRODUCCIÓN 21 2. PROBLEMATIZACIÓN 22 2.1. PROBLEMA DE INVESTIGACIÓN 24 2.2. JUSTIFICACIÓN 25 2.3. DELIMITACIÓN 26 2.4. OBJETIVOS 28 3. ANTECEDENTES 29 4. MARCO TEÓRICO CONCEPTUAL 34 4.1. DATOS ABIERTOS 38 4.2. INFORMACIÓN METEOROLÓGICA 40 4.3. PROCESO DE GESTIÓN (KKD) 40 4.3.1. CRISP-DM (Cross Industry Standard Process for Data Mining) 41 4.4. ALGORITMO DE MINERÍA DE DATOS 43 4.4.1. MACHINE LEARNING 44 4.4.2. MACHINE LEARNING SUPERVISADO 45 4.4.3. MACHINE LEARNING NO SUPERVISADO 46 4.4.4. MACHINE LEARNING DE REFUERZO 47 4.4.5. DEEP LEARNING 47 4.4.6. CLASIFICACIÓN DE ALGORITMOS 48 4.4.7. ALGORITMOS 55 4.5. FUENTES DE DATOS 58 4.6. GESTIÓN DE PROYECTO 59 4.7. SISTEMA DE INFORMACIÓN 64 4.8. MARCO LEGAL 67 5. DISEÑO METODOLÓGICO 69 5.1. TIPO DE INVESTIGACIÓN 69 5.2. FASES DE INVESTIGACIÓN 69 5.3. MATERIALES 70 6. DESARROLLO DEL PROYECTO 72 6.1. PROCESAMIENTO DE DATOS 73 6.2. ANÁLISIS DE LOS DATOS 74 6.3. UNIFICACIÓN DE DATASET 75 6.4. ANÁLISIS DESCRIPTIVO 82 6.5. DESARROLLO DE PLATAFORMA 84 6.6. ARQUITECTURA DEL SISTEMA 87 6.7. CODIFICACIÓN PLATAFORMA WEB 97 7. ANÁLISIS DE RESULTADOS 138 8. CONCLUSIONES Y RECOMENDACIONES 139 9. REFERENCIAS BIBLIOGRÁFICAS | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.instname | instname:Universidad Autónoma de Bucaramanga - UNAB | spa |
| dc.identifier.reponame | reponame:Repositorio Institucional UNAB | spa |
| dc.identifier.repourl | repourl:https://repository.unab.edu.co | spa |
| dc.identifier.uri | http://hdl.handle.net/20.500.12749/33022 | |
| dc.language.iso | spa | spa |
| dc.publisher.faculty | Facultad Ingeniería | spa |
| dc.publisher.grantor | Universidad Autónoma de Bucaramanga UNAB | spa |
| dc.publisher.program | Maestría en Gestión, Aplicación y Desarrollo de Software | spa |
| dc.publisher.programid | MGAS-2555 | |
| dc.relation.references | Abambari Velecela, S. G., Morales Vinueza, S. X., & Morocho Macas, A. M. (2020, 10 04). Aproximaciones teóricas a la incursión de las tecnologías de la información y comunicación en el sector agrícola: la e-agricultura. https://centrosuragraria.com/index.php/revista/article/view/41 | spa |
| dc.relation.references | Albornoz, D. (2020, 09 09). ¿Qué es Angular? – Una guía para principiantes. ¿Qué es Angular? – Una guía para principiantes. https://www.hostinger.mx/tutoriales/que-es-angular | spa |
| dc.relation.references | Amat Rodrigo, J. J. (2020, October 30). Regresión lineal con python. Cienciadedatos.net. Retrieved July 28, 2022, from https://www.cienciadedatos.net/documentos/py10-regresion-lineal-python.html | spa |
| dc.relation.references | Amat Rodrigo, J. J. (2022). Random Forest python. Cienciadedatos.net. Retrieved July 28, 2022, from https://www.cienciadedatos.net/documentos/py08_random_forest_python.html | spa |
| dc.relation.references | Amazon. (n.d.). ¿Qué son las bases de datos NoSQL? https://aws.amazon.com/es/nosql/ | spa |
| dc.relation.references | Angular io. (n.d.). ¿Qué es Angular? https://angular.io/guide/what-is-angular Avogadro, M. (2007). Glosario de términos de la Tecnología de la Información y Comunicación. http://alfafar.es/wp-content/uploads/2014/11/Glosario_TIC_Alfafar.pdf | spa |
| dc.relation.references | Bah, M.K., Gunshor, M.M., & Schmit, J. (2018). Generation of GOES-16 True Color Imagerywithout a Green Band. Earth and Space Science. https://agupubs.onlinelibrary.wiley.com/doi/epdf/10.1029/2018EA000379 | spa |
| dc.relation.references | Bravo Muño, E., Casado Mateos-Aparicio, E., García Alvarado, J. M., García Puerta, B., Guerra Zaballos, A. M., Navarro Madrid, Á., Redondo García, M. M., Sánchez Pérez de Évora, A., & Sanz Donaire, J. J. (2019, 06 19). Glosario de Geografía 2. https://eprints.ucm.es/id/eprint/55611/7/Glosario%202%20.pdf | spa |
| dc.relation.references | Centro Internacional de Agricultura Tropical. (n.d.). Plagas y Enfermedades | CIAT. CIAT. Retrieved July 28, 2022, from https://ciat.cgiar.org/lo-que-hacemos/plagas-y-enfermedades/?lang=es | spa |
| dc.relation.references | Concejo de Bogotá. (2006). DECRETO 315 DE 2006. http://www.desarrolloeconomico.gov.co/sites/default/files/documentos/1-decreto-315-2006.pdf | spa |
| dc.relation.references | Congresos de la república de Colombia. (1991). Artículo 79. https://www.constitucioncolombia.com/titulo-2/capitulo-3/articulo-79 | spa |
| dc.relation.references | Congresos de la república de Colombia. (2017, 05 23). Ley - 1834. https://economianaranja.gov.co/media/5ruhnndp/ley-1834-del-23-de-mayo-de-2017.pdf | spa |
| dc.relation.references | Espinosa-Zúñiga, J. J. (2020). Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública. (1). http://www.scielo.org.mx/pdf/iit/v21n1/1405-7743-iit-21-01-e00008.pdf | spa |
| dc.relation.references | Franquesa, M. (2016, March 11). Tipos de semillas que existen para sembrar. Agroptima. Retrieved July 28, 2022, from https://www.agroptima.com/es/blog/tipos-de-semillas-para-sembrar/#Semillas_criollas | spa |
| dc.relation.references | (S/f). Gov.co. Recuperado el 12 de agosto de 2025, de https://mintic.gov.co/portal/715/articles-403137_recurso_1.pdf | spa |
| dc.relation.references | Güiza Suárez, L., Rodas Monsalve, J. C., Cifuentes Guerrero, J. A., & González, J. P. (2019). energías renovables no convencionales y cambio climático: un análisis para Colombia. https://books.google.com.co/books?hl=es&lr=&id=qa7RDwAAQBAJ&oi=fnd&pg=PT8&dq=nerg%C3%ADas+renovables+no+convencionales+y+cambio+clim%C3%A1tico:+un+an%C3%A1lisis+para+Colombia&ots=EZ7LloY04G&sig=SBp70GV8hFtarjBLc4NVvzRfSa4&redir_esc=y#v=onepage&q=nerg%C3%AD | spa |
| dc.relation.references | Lakshmanan, L. (2018). Cómo procesar datos de satélites meteorológicos en tiempo real en BigQuery. https://cloud.google.com/blog/products/bigquery/how-to-process-weather-satellite-data-in-real-time-in-bigquery | spa |
| dc.relation.references | Ledesma, E. E. (2020). Modelo de predicción de riesgo en recursos hídricos para agricultura de precisión. http://sedici.unlp.edu.ar/handle/10915/110794 | spa |
| dc.relation.references | LEY 1955 DEL 25 DE MAYO DE 2019. (2019, Mayo). https://colaboracion.dnp.gov.co/CDT/Prensa/Ley1955-PlanNacionaldeDesarrollo-pacto-por-colombia-pacto-por-la-equidad.pdf | spa |
| dc.relation.references | Lopera Hernández, J. F., Ruiz Pacheco, C. D., & Centeno Torres, J. F. (2019). Modelo predictivo de interrupciones del servicio de energía eléctrica domiciliaria de Bogotá usando análisis de datos. Modelo predictivo de interrupciones del servicio de energía eléctrica domiciliaria de Bogotá usando análisis de datos, 36. https://repository.ean.edu.co/handle/10882/9526 | spa |
| dc.relation.references | Mecanización Agrícola FCA – UNER. (n.d.). TIPOS DE SEMBRADORAS | Mecanización Agrícola FCA. Retrieved July 28, 2022, from https://mecanizacionagricolafca.files.wordpress.com/2012/06/sembradoras1.pdf | spa |
| dc.relation.references | Microsoft. (2018, 05). Algoritmos de minería de datos (Analysis Services: Minería de datos). https://docs.microsoft.com/es-es/analysis-services/data-mining/data-mining-algorithms-analysis-services-data-mining?view=asallproducts-allversions | spa |
| dc.relation.references | Ministerio de Tecnologías de la Información y las Comunicaciones. (2021, August 7). Guía para el uso y aprovechamiento de Datos Abiertos en Colombia. Datos Abiertos. Retrieved May 30, 2022, from https://herramientas.datos.gov.co/sites/default/files/2021-08/Guia%20de%20Datos%20Abiertos%20de%20Colombia.pdf | spa |
| dc.relation.references | Nasa GOES--R. (n.d.). INSTRUMENTOS: ADVANCED BASELINE IMAGER (ABI). INSTRUMENTOS: ADVANCED BASELINE IMAGER (ABI). https://www.goes-r.gov/spacesegment/abi.html | spa |
| dc.relation.references | Naranjo, L. G., Dereix, C. A., Valladares, M. Á., Segovia, E., Pérez, J., de la Torre, A. L., & Tena, G. (2018). WWF. 2018. Informe Planeta Vivo - 2018: Apuntando más alto - Resumen. WWF. 2018. Informe Planeta Vivo - 2018: Apuntando más alto - Resumen. https://wwfeu.awsassets.panda.org/downloads/resumen_informe_planeta_vivo_2018_apuntando_mas_alto_compressed.pdf | spa |
| dc.relation.references | Ochoa Ornelas, R., Fajardo delgado, D., Sanchez Cervantes, M., & Osornio Mendoza, J. (2019, 03). Implementación de Aplicaciones Informáticas en la Industria Agrícola del Aguacate. Revista del Desarrollo Tecnológico, 3(9), 11. https://www.ecorfan.org/spain/researchjournals/Desarrollo_Tecnologico/vol3num9/Revista_del_Desarrollo_Tecnol%c3%b3gico_V3_N9_2.pdf | spa |
| dc.relation.references | Oracle. (n.d.). MySQL :: MySQL 8.0 Reference Manual :: 1.2.1 What is MySQL? MySQL :: Developer Zone. Retrieved July 28, 2022, from https://dev.mysql.com/doc/refman/8.0/en/what-is-mysql.html | spa |
| dc.relation.references | PHP .net. (n.d.). Prefacio - Manual. PHP. Retrieved July 28, 2022, from https://www.php.net/manual/es/preface.php | spa |
| dc.relation.references | Python Org. (n.d.). Preguntas frecuentes generales sobre Python. https://docs.python.org/3/faq/general.html | spa |
| dc.relation.references | Python org & Guido van Rossum, and the Python development team. (2020, 05 07). Documentación de Python en Español. https://python-docs-es.readthedocs.io/_/downloads/es/pdf/pdf/ | spa |
| dc.relation.references | Raffino, M. E. (2020, 06). Sistema de información. https://concepto.de/sistema-de-informacion/ | spa |
| dc.relation.references | Roura Pérez, v., Arenas-Sánchez, J. C., Sistachs Vega, V., & Díaz Sistachs, D. (2020, 06 3). TrendSoft: Software para el análisis de tendencia ypuntos de cambio de variables climatológicas. Revista Cubana de Meteorología,, 26(3), 16. http://rcm.insmet.cu/index.php/rcm/article/view/517/878 | spa |
| dc.relation.references | Ruiz Ayala, D. C., Vides Herrera, C. A., & Pardo García, A. (2018, 06). Monitoreo de variables meteorológicas a través de un sistema inalámbrico de adquisición de datos. https://repositorio.uptc.edu.co/handle/001/2189 | spa |
| dc.relation.references | Salazar Rojas, J. A. (2019). Uso de imágenes meteorológicas GOES para la estimación de campos de precipitación y pronóstico del tiempo a corto plazo. In Repositorio Universidad Nacional. Repositorio Universidad Nacional. https://repositorio.unal.edu.co/handle/unal/75712 | spa |
| dc.relation.references | Timarán-Pereira, S.R., Hernández-Arteaga, I., , Hidalgo-Troya, A., & AlvaradoPérez, J.C. (2016). El proceso de descubrimiento de conocimiento en bases de datos. https://ediciones.ucc.edu.co/index.php/ucc/catalog/download/36/40/230-1?inline=1 | spa |
| dc.relation.references | Universidad de Costa Rica. (n.d.). Utilizar la información sobre el cultivo y el clima. Inicio. Retrieved July 28, 2022, from http://www.buenaspracticasagricolas.ucr.ac.cr/index.php/manejo-de-cultivos/utilizar-la-informacion-sobre-el-cultivo-y-el-climal-agua-2 | spa |
| dc.relation.references | Vásquez Franco, D. F. (n.d.). Procesamiento de datos meteorológicos del IDEAM con Python y validación de datos del reanálisis ERA5. Universidad de Antioqui. Procesamiento de datos meteorológicos del IDEAM con Python y validación de datos del reanálisis ERA5. Universidad de Antioqui. Retrieved July 28, 2022, from https://bibliotecadigital.udea.edu.co/bitstream/10495/13235/1/DanielVasquez_2019_PAM12663.pdf | spa |
| dc.relation.references | Velecela Abambari, C. G., Vinueza Morales, S. X., & Morocho Macas, A. A. (2020, 10 4). proximaciones teóricas a la incursión de las tecnologías de la información y comunicación en el sector agrícola: la e-agricultura. Centrosur, 1, 11. https://centrosuragraria.com/index.php/revista/article/view/41/93 | spa |
| dc.relation.references | WWF, Grooten, M., & Almond, ,. R.E.A.(. (2018). Informe 2018 Planeta Vivo Apuntando más alto - Resumen. Instituto de Zoología (Sociedad Zoológica de Londres). https://wwfeu.awsassets.panda.org/downloads/resumen_informe_planeta_vivo_2018_apuntando_mas_alto_compressed.pdf | spa |
| dc.relation.references | Zschimmer & Schwarz. (2021, January 28). Fertilizantes agrícolas: tipos de fertilizantes, usos y beneficios - ZS España. Zschimmer & Schwarz. Retrieved July 28, 2022, from https://www.zschimmer-schwarz.es/noticias/fertilizantes-agricolas-tipos-de-fertilizantes-usos-y-beneficios/ | spa |
| dc.relation.references | Benítez, R., Escudero, G., & Kanaan, S. (2013). INTELIGENCIA ARTIFICIAL AVANZADA. Inteligencia artificial avanzada. Retrieved November 27, 2022, from https://www.exabyteinformatica.com/uoc/Inteligencia_artificial/Inteligencia_artificial_avanzada/Inteligencia_artificial_avanzada_(Modulo_1).pdf | spa |
| dc.relation.references | Hurwitz, J., & Kirsch, D. (2018). Machine Learning For Dummies®. IBM. Retrieved November 27, 2022, from https://www.ibm.com/common/ssi/cgi-bin/ssialias?htmlfid=IMM14209USEN | spa |
| dc.relation.references | Russell, R. (2018). Machine Learning - Gua Paso a Paso Para Implementar Algoritmos De Machine Learning Con Python. Ricardo Ollarves. Retrieved November 24, 2022, from https://ricardollarves.com.ve/wp-content/uploads/2020/07/Machine-Learning-Gu%C3%ADa-Paso-a-Paso-Para-Implementar-Algoritmos-De-Machine-Learning-Con-Python-by-Rudolph-Russell.pdf | spa |
| dc.relation.references | Schwaber, K., & Sutherland, J. (2020, Noviembre). La Guía de Scrum. Scrum Guide. Retrieved October 24, 2022, from https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Spanish-Latin-South-American.pdf | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 2.5 Colombia | * |
| dc.rights.local | Abierto (Texto Completo) | spa |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/co/ | * |
| dc.subject.keywords | Machine learning | spa |
| dc.subject.keywords | Regresión line | spa |
| dc.subject.keywords | Linear regression | spa |
| dc.subject.keywords | Data mining | spa |
| dc.subject.keywords | Data science | spa |
| dc.subject.keywords | Software development | spa |
| dc.subject.keywords | Systems engineering | spa |
| dc.subject.keywords | Software architecture | spa |
| dc.subject.keywords | Information technology | spa |
| dc.subject.keywords | Artificial intelligence | spa |
| dc.subject.lemb | Desarrollo de Software | spa |
| dc.subject.lemb | Ingeniería de sistemas | spa |
| dc.subject.lemb | Arquitectura de software | spa |
| dc.subject.lemb | Tecnología de la información | spa |
| dc.subject.lemb | Inteligencia artificial | spa |
| dc.subject.proposal | Ciencia de datos | spa |
| dc.subject.proposal | Minería de datos | spa |
| dc.subject.proposal | KDD | spa |
| dc.subject.proposal | CRISP-DM | spa |
| dc.subject.proposal | E-agricultura | spa |
| dc.subject.proposal | Aprendizaje automático | spa |
| dc.title | Aplicación de Software para la gestión y análisis de información del contexto agrícola, mediante la implementación de técnicas y algoritmos de analítica de datos | spa |
| dc.title.translated | Software Application for the Management and Analysis of Information in the Agricultural Context, Through the Implementation of Data Analysis Techniques and Algorithms | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa | spa |
| dc.type.driver | info:eu-repo/semantics/masterThesis | |
| dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | |
| dc.type.local | Tesis | spa |
| dc.type.redcol | http://purl.org/redcol/resource_type/TM |
Archivos
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 829 B
- Formato:
- Item-specific license agreed upon to submission
- Descripción:
