40 Edición Semanal El íntegro de este interesante artículo no se lo pierda en la edición 542 de la revista MINERÍA, la mejor puerta digital de acceso al sector minero. sights y su impacto en el negocio en una representación más fácil de entender para los stakeholders. Un lenguaje de programación de Data Science como ’’R’’ o ‘’Python’’ incluyen componentes para generar visualizaciones; alternativamente los Data Scientists pueden utilizar herramientas de visualización dedicadas. En el presente trabajo técnico se utilizó algoritmos de Machine Learning con el objetivo de determinar los límites de interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) contenidos en un mineral y su impacto en la recuperación de cobre, para ello se usó el esquema presentado en la Figura 2, proporcionado por el Massachusetts Institute of Technology (MIT), el cual se basa en la filosofía del modelo predictivo: “el futuro del pasado es el futuro del futuro”. Se presupone entonces que el conocimiento de los datos pasados permitirá predecir los datos futuros. Objetivo Determinar los límites de interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) contenidos en un mineral y su impacto en la recuperación de cobre. Fuente: Massachusetts Institute of Technology. Figura 2. Metodología Machine Learning MIT.
RkJQdWJsaXNoZXIy MTM0Mzk2