Haré aprendizaje automático de teledetección con bosque aleatorio, XGBoost y SHAP
Experto en GIS y teledetección para InSAR y Google Earth Engine
Acerca de este Servicio
aprendizado automático para datos satelitales y ambientales, hecho como esperan los revisores. Soy investigadora de doctorado en sensores remotos en la Universidad de Tianjin (MS CUG Wuhan) y desarrollo modelos de ML para mapeo de cobertura terrestre, agua, calor y peligros. Ejemplo en mi galería: XGBoost + SHAP explicando la temperatura de la superficie terrestre urbana (R2 0.75 en una zona de prueba espacialmente retenida).
LO QUE HAGO: clasificación de cobertura terrestre / cultivos / bosques (Random Forest, SVM, XGBoost, LightGBM); regresión y predicción (calidad del agua, clorofila-a, LST, contaminación del aire, biomasa, humedad del suelo, rendimiento); IA explicable con SHAP e importancia de características; validación espacial cruzada (sin fuga de datos); mapas de incertidumbre e intervalos de predicción; evaluación de precisión (OA, kappa, R2, RMSE).
DATOS: Sentinel-1/2, Landsat, MODIS, VIIRS, GEDI, ERA5, datos in situ y de campo. Herramientas: Python (scikit-learn, XGBoost, SHAP, PyTorch), R, Google Earth Engine.
Obtendrás código limpio y comentado, mapas y gráficos listos para un artículo o informe, y una breve descripción de métodos. Envíame un mensaje con tus datos y objetivo primero y te propondré el modelo adecuado.
Lenguaje de programación:
Python
•
R
•
MATLAB
•
Colab
Marcos:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Herramientas:
Jupyter Notebook
•
Excel
•
Colab
•
RStudio
Otros servicios de Ciencia de datos y aprendizaje automático que ofrezco
FAQ
Traducción automática
¿Puedo usar mis propios datos?
Sí. Envía tu CSV, rasterizados o shapefiles. Si no tienes datos, puedo armar el conjunto de datos a partir de archivos satelitales gratuitos.
¿Los resultados serán publicables?
Sigo buenas prácticas para artículos: validación espacial cruzada, conjuntos de pruebas independientes, incertidumbre y texto claro de métodos. Muchas de mis figuras provienen de trabajos revisados por pares.

