Predicción de Cosechas de Yerba Mate con Machine Learning: Ciencia de Datos aplicada al agro argentino
Proyecto Final de Rocio Martinez y Barbara Espasandin
Diplomatura en Data Analytics con R y Python
En el marco del Diplomado en Ciencia de Datos e Inteligencia Artificial del Instituto Data Science Argentina y la UTN Reconquista, las estudiantes Rocío Martínez y Bárbara Spansandín presentaron un proyecto tan innovador como representativo de nuestra región: la Predicción de Cosechas de Yerba Mate con Machine Learning.
La iniciativa combina la potencia del análisis de datos con el impacto cultural y económico de uno de los cultivos más emblemáticos del Litoral argentino. A través de herramientas de R, Shiny y modelos predictivos avanzados, las autoras desarrollaron una aplicación interactiva que permite estimar rendimientos, analizar patrones climáticos y proyectar beneficios económicos para los productores.
🔍 De los datos al modelo
El proyecto se construyó a partir de tres conjuntos de datos:
- Historial de cosechas en toneladas por zona.
- Variables climáticas como temperatura, precipitaciones y días lluviosos.
- Rendimiento por hectárea, superficie sembrada y cosechada.
Luego de un exhaustivo proceso de limpieza, análisis exploratorio y correlación de variables, se entrenaron tres modelos de Machine Learning:
- Máquinas de Soporte Vectorial (SVM)
- Random Forest
- XGBoost
Cada modelo fue evaluado mediante métricas de rendimiento y técnicas de validación cruzada, optimizando hiperparámetros para lograr predicciones más precisas y evitar el sobreajuste.
💻 Una app Shiny para la toma de decisiones
Uno de los puntos más destacados fue el desarrollo de una aplicación web interactiva con R Shiny, donde los usuarios pueden:
- Elegir variables climáticas y de superficie sembrada.
- Estimar la cantidad de cosecha esperada en kilogramos.
- Calcular beneficios económicos según el precio oficial de la yerba mate.
- Comparar el rendimiento entre departamentos y campañas productivas.
Esta herramienta convierte el trabajo académico en una solución práctica para productores, investigadores y tomadores de decisión, fortaleciendo el vínculo entre ciencia, tecnología y producción sostenible.
🌿 Ciencia, cultura y tecnología
Más allá de su valor técnico, este proyecto refleja la importancia de aplicar la ciencia de datos al contexto local. La yerba mate, símbolo de identidad y motor económico del noreste argentino, se convierte aquí en un caso de estudio que une conocimiento científico y realidad productiva.
Tal como destacó el profesor Julio Paredes, este tipo de iniciativas demuestran el nivel alcanzado por los estudiantes, capaces de transformar datos en información valiosa y en herramientas con impacto social.
📈 Conclusión
La Predicción de Cosechas de Yerba Mate con Machine Learning es un ejemplo inspirador de cómo la ciencia de datos puede contribuir al desarrollo agroindustrial, promoviendo decisiones más informadas, sostenibles y alineadas con las necesidades de nuestra región.
LinkedIn de Rocio Martinez: https://www.linkedin.com/in/rocio-martinez-0b5b04189/
LinkedIn de Barbara Espasandin: https://www.linkedin.com/in/barbara-espasandin/
