AGUASCALIENTES

Cada participante deberá asistir a todos los talleres y conferencias.

Durante este taller se verán las bases para el manejo del software de sistemas de información geográfica QGIS 3.16 (Hannover), los formatos básicos de archivos que pueden ser utilizados en este, así como algunos de los procesos para el manejo y procesamiento de información, usando información del censo de población y vivienda 2020.
Duración: 4.5 hrs.

Conoceremos sobre los principios de la adquisición de imágenes multi/hiper-espectrales. Conoceremos acerca de algunas de sus aplicaciones tanto comerciales como en investigacion. Finalmente, aprenderemos algunas técnicas básicas para su procesamiento con Python y aplicaremos una técnica de descomposición para interpretar imágenes multi-espectrales en una aplicación de ingeniería Biomedica.
Duración: 4.5 hrs.

El objetivo de éste taller es mostrar algunos elementos básicos de manejo de bases de datos y análisis de información utilizando el software estadístico R. Así, el asistente será capaz de extraer y manipular bases de datos almacenadas por otro tipo de software. También, se mostrarán algunas funciones básicas útiles en la modelación estadística, así como un par de ejemplos con datos reales donde el asistente entenderá e interpretará los resultados arrojados por el software R.
Duración: 4.5 hrs.

Taller 4: Panel de egresados MMOP, Dra. Lili Guadarrama Bustos
Duración: 2 hrs.

Conferencia 5: Presentación programas académicos, Lic. Martin Torres
Duración: 1 hr.

El clima, en particular el viento es un sistema complejo en el que su comprensión es fundamental para evaluar o predecir la producción de energía. Dada esta complejidad, el análisis de datos de viento juega un papel crucial en cualquier estudio de viento, y hoy en día los métodos de Machine Learning se están volviendo fundamentales para extraer nuevos conocimientos de los conjuntos de datos. En este trabajo, se presenta un análisis estocástico para la clasificación e identificación del viento basado en una agrupación de datos del Modelo de Mezcla Gaussiana (GMM) aplicada a dos regiones: Peninsula de Baja California y Ciudad de México. Para ambos casos se utiliza el mismo método pero los objetivos son distintos. Seleccionamos cuatro variables meteorológicas en un conjunto de datos de una estación meteorológica: humedad relativa, presión atmosférica local, velocidad local y dirección del viento. El método de agrupamiento aplicado a este espacio de cuatro dimensiones durante cinco años permite identificar automáticamente diferentes condiciones de viento que pueden definirse como estados climáticos y estar relacionados con fenómenos climáticos regionales bien conocidos. También se detectan otros vientos locales producidos por la orografía cercana. El resultado es un método de identificación confiable para detectar patrones de viento con un bajo esfuerzo computacional.
Duración: 1 hr.

Actualmente, en los sistemas ecológicos ha surgido la necesidad de tener conocimiento sobre polinizadores y la interacción con plantas. Los sistemas de video inteligentes permiten realizar lo anterior de forma automática, sin la necesidad de registros manuales que conllevan tiempo y dinero por la mano de obra. En el presente trabajo se muestra un prototipo implementado en una RaspBerry 3, capaz de capturar y clasificar a los polinizadores que se acercan a una planta, particularmente abejas y mariposas, utilizando una red VGG16.
Duración: 1 hr.

Conferencia 8: Título por anunciar, Dra. Luz Judith Rodríguez Esparza
Duración: 1 hr.