Join CSA Global at the Institute of Mining Engineers in Peru for a virtual short course on the Introduction to Machine Learning in May 2021.
Machine learning is a set of algorithms that iteratively “learn” from data and are used to solve problems with minimal human intervention. This technique has been used successfully to predict exploration targets, classify rocks, identify geological structures and geochemical alterations, to create geo-metallurgical models, among many other applications. Its popularity in the mining industry is growing at an accelerated rate and it is anticipated that it will become an essential tool for many geologists in the near future, as has happened with geostatistics and implicit modeling.
In this course we will demonstrate the fundamentals of machine learning techniques and its workflow, including when and how to use it and how to prepare the data. Our facilitator will demonstrate how to acquire the necessary skills to use machine learning to solve multiple common problems in geology. This course includes several practical exercises that you will complete using free software.
The goal of this course is to provide you with the basic machine learning knowledge and practical skills necessary for you to begin using machine learning to solve day-to-day geological problems.
Upon completion of this course, you will be able to:
- Understand what machine learning is and what it is used for.
- Identify the different types of software for machine learning.
- Recognize general concepts and machine learning workflows.
- Learn to select and generate the significant variables that describe a problem.
- Become familiar with data preparation and common problems found in the data.
- Acquire skills to train, validate and test machine learning algorithms.
- Understand machine learning techniques for classification and regression.
- Learn to interpret the results.
This course will comprise of two components, one theoretical and the other practical. The theoretical part provides the basic knowledge that you need to complete the practical exercises.
Exercises will be completed using the Orange free software and simple databases appropriate for basic training. There will also be demonstrations on understanding and solving more complex problems using software such as scikit-learn and Tensorflow.
The course will be delivered virtually across four sections in three-hour intervals.
Participants will install Python distribution (preferably Miniconda), on which the Orange software, and optionally scikit-learn and Tensorflow. We will also use the Maxent software for an optional exercise if time permits. Maxent requires Java version 1.4 or later to run.
WHO IS THIS COURSE DESIGNED FOR:
This training course is designed for geologists, geophysicists, and professionals working in the general mining industry. This course does not require advanced training in mathematics or previous knowledge of machine learning and programming. If your interest is making sense of your data or automating tedious tasks, such as witness logging, then this training course is for you.
TIME
19:00 to 22:00 HOURS
WHEN
18 | 05 | 2021
25 | 05 | 2021
21 | 05 | 2021
28 | 05 | 2021
DURATION
Duration 12 Hours
Presenter
Adrian Martinez
Senior Consultant
Adrian is CSA Global (Toronto) Senior Consultant, Resource Geologist, PhD in Geological Sciences, specializing in Geostatistics. He has worked as a consultant since 2002, covering many raw materials, such as gold, copper, nickel, chromium, titanium, vanadium, and raw materials for the cement industry. Adrian has experience in the use of non-linear geostatistics for the estimation of resources of deposits with high pip effect and with difficulties to model with traditional domains. Adrian also has relevant experience with nonlinear geostatistics and conditional simulations for resource estimation and model validation. Adrian has previously worked as an assistant professor in Cuba and Ethiopia, teaching geology and geostatistics. Adrian also produces open source software for geostatistics and resource estimation. Minerals (PyGSLIB) in Python, Fortran, Cython, C, and SQL.
RESUMEN DEL CURSO
METODOLOGÍA
Machine learning es un conjunto de algoritmos que “aprenden” de forma iterativa a partir de datos y se usan para resolver problemas con una mínima intervención de humanos. Esta técnica se ha utilizado con éxito para predecir targets de exploración, clasificar rocas, identificar estructuras geológicas y alteraciones geoquímicas, para crear modelos geo-metalúrgicos, entre otras muchas aplicaciones. Su popularidad en la industria minera está creciendo a un ritmo acelerado y se prevé que se convertirá en una herramienta esencial para muchos geólogos en un futuro próximo, tal y como ocurrió con las geoestadísticas, y la modelación implícita.
En este curso mostraremos los fundamentos de las técnicas de machine learning y su flujo de trabajo, incluyendo cuándo y cómo utilizarlo y como preparar los datos. En el curso usted adquirirá las habilidades necesarias para utilizar machine learning para resolver múltiples problemas comunes en geología, para ello el curso incluye varios ejercicios prácticos que usted completará utilizando software libre.
El objetivo de este curso es proporcionarle los conocimientos básicos de machine learning y las habilidades prácticas necesarias para que usted pueda comenzar a usar machine learning para resolver problemas geológicos del día a día. Al finalizar este curso, usted será capaz de:
- Entender qué es machine learning y para qué se utiliza.
- Identificar los diferentes tipos de software para machine learning.
- Reconocer los conceptos generales y los flujos de trabajo de machine learning.
- Aprender a seleccionar y generar las variables significativas que describen un problema.
- Familiarizarse con la preparación de datos y los problemas comunes encontrados en los datos.
- Adquirir habilidades para entrenar, validar y probar los algoritmos de machine learning.
- Comprender las técnicas de machine learning para clasificación y regresión.
- Aprender a interpretar los resultados.
Este curso tiene dos componentes, uno teórico y otro práctico. La parte teórica provee los conocimientos básicos que usted necesita para completar los ejercicios prácticos. Los ejercicios se completarán usando el
software libre Orange, y bases de datos simples, apropiadas para un entrenamiento básico. También se realizarán demostraciones que le permitirán entender cómo se resuelven problemas más complejos, utilizando software como scikit-learn y Tensorflow.
La presentación del curso será online, en 4 secciones de tres horas. Usted necesitará una computadora donde pueda instalar una distribución de Python (preferiblemente Miniconda), sobre la cual se ejecutará el
software Orange, y opcionalmente scikit-learn y Tensorflow. También usaremos el software Maxent, para un ejercicio opcional, si el tiempo lo permite. Maxent requiere Java versión 1.4 o posterior para su ejecución.
19:00 A 22:00 HORAS
18 | 05 | 2021
25 | 05 | 2021
21 | 05 | 2021
28 | 05 | 2021
INTRODUCCIÓN A MACHINE
Duración 12 Horas
CURSO VIRTUAL
CIERRE DE INSCRIPCIONES:
17 DE MAYO 2021
DIRIGIDO A
Este curso de formación está diseñado para geólogos, geofísicos y profesionales que trabajan en la industria minera en general. Para este curso no se requiere una formación avanzada en matemáticas ni conocimientos previos de machine learning y programación. Si su interés es dar sentido a sus datos o automatizar tareas tediosas, como el logeo de testigos, entonces este curso de formación es para usted.
LEARNING PARA GEÓLOGOS A TRAVÉS DE:
Síguenos en: www.iimp.org.pe
EXPOSITOR
Ph.D. Adrian Martinez
Adrian es consultor senior de CSA Global (Toronto), geólogo de recursos, con PhD en ciencias geológicas, especializado en geoestadísticas. Ha trabajado como consultor desde 2002, cubriendo muchas materias primas, como el oro, el cobre, el níquel, el cromo, titanio, vanadio, y materias primas para la industria del cemento. Adrian tiene experiencia en el uso de geoestadísticas no lineales para la estimación de recursos de depósitos con alto efecto de pepita y con dificultades de modelar con dominios tradicionales. Adrian también tiene experiencia relevante con geoestadísticas no lineales y simulaciones condicionales para la estimación de recursos y la validación de modelos. Adrian ha trabajado anteriormente como profesor asistente en Cuba y Etiopía, enseñando geología y geoestadística. Adrian también produce software de código abierto para geoestadística y estimación de recursos
minerales (PyGSLIB) en Python, Fortran, Cython, C y SQL.
CATEGORÍA
