Machine Learning y Tecnología Espacial Para el Monitoreo de Recursos Naturales 🛰️🌏

Bienvenido al repositorio del tutorial "Machine Learning y Tecnología Espacial Para el Monitoreo de Recursos Naturales". En este tutorial, aprenderás a utilizar técnicas de machine learning para procesar y analizar imágenes satelitales. Usaremos un Jupyter Notebook para guiarte a través de los pasos necesarios, desde la preparación de los datos hasta la implementación y evaluación de modelos de machine learning.

Contenido del Repositorio

Este repositorio contiene los siguientes archivos:

• Machine_Learning_Sentinel2.ipynb: Jupyter Notebook con el tutorial completo.
• requirements.txt: Archivo de requisitos con las dependencias necesarias para ejecutar el tutorial.

Requisitos

Para seguir este tutorial, necesitarás tener instalado Python 3.8 o superior. Además, es necesario instalar las dependencias listadas en el archivo requirements.txt.

Datos

Los datos utilizados en este tutorial fueron etiquetados utilizando Deep-Hub🛰️💚. Puedes acceder a ellos a través del siguiente enlace. Además, puedes solicitar acceso a Deep-Hub a través del correo [email protected].

Instalación

1. Clona el repositorio:

   git clone https://github.com/mperezcarrasco/Tutorial_Sentinel2.git
   cd Tutorial_Sentinel2

2. Crea un entorno virtual (opcional, pero recomendado):

   python -m venv env
   source env/bin/activate  # En Windows usa `env\Scripts\activate`

3. Instala las dependencias:

   pip install -r requirements.txt

4. Inicia Jupyter Notebook:

   jupyter notebook

5. Abre el archivo del tutorial: En el navegador, abre el archivo Machine_Learning_Sentinel2.ipynb y sigue las instrucciones.