ML4EO – Aprendizaje Automático para la Observación de la Tierra
El uso de métodos de aprendizaje automático (machine learning, ML) se ha expandido considerablemente en los últimos años, aunque su accesibilidad varía en todo el mundo.
Para abordar esta disparidad, la agencia alemana de cooperación GIZ impulsó el proyecto ML4EO, cuyo objetivo fue transferir conocimientos y capacitar a jóvenes profesionales en Ruanda en geoinformática, ML y observación de la Tierra.
La mayoría de las actividades del proyecto se realizaron de forma remota. Antes de su inicio, nosotros, junto con nuestros socios, viajamos a Kigali —capital de Ruanda— para conocer de cerca a los actores involucrados: socios, colegas y participantes.
GeoCodis contribuyó al proyecto aportando su experiencia en observación de la Tierra y aprendizaje automático. Desarrollamos, revisamos y organizamos materiales teóricos y ejercicios prácticos, además de brindar asesoramiento y orientación personalizada a los participantes.
Los principales objetivos del proyecto fueron:
- desarrollar una comprensión sólida del aprendizaje automático y la observación de la Tierra.
- explicar los principios teóricos de los sistemas de información geográfica (GIS), la teledetección y los algoritmos aplicados al procesamiento de productos para la agricultura.
- presentar herramientas y métodos para la explotación de datos satelitales de observación de la Tierra.
- promover el uso de ML y EO en el ámbito agrícola.
- apoyar modelos de negocio y proyectos viables mínimos (por ejemplo, identificación de tipos de cultivos, calidad y estado de los cultivos, clasificación del uso del suelo, etc.) aplicables al sector agrícola ruandés.
Nuestros socios incluyeron la Agencia Alemana de Cooperación Internacional (GIZ), la Agencia Espacial de Ruanda (RSA), la Universidad de Ruanda, el Grupo GFA y el Centro Aeroespacial Alemán (DLR).
