Curso Online Live Streaming
8 al 12 de Diciembre, 2025
Duración : 20 hours
Nivel: Básico – Intermedio
DESTINATARIOS: Geólogos, petrofísicos y analistas de registros que deseen aprender a utilizar herramientas de ciencia de datos y Python para preparar, procesar e interpretar datos de registros de pozos.
CONTENIDO Y OBJETIVOS DEL CURSO:
Este curso busca mejorar las habilidades de análisis de datos de los profesionales de la petrofísica. Los participantes dominarán los fundamentos de Python, adquirirán técnicas avanzadas de manipulación de datos con Pandas y aprenderán la detección de eventos en conjuntos de datos petrofísicos. El curso abarca el modelado predictivo para la estimación de propiedades petrofísicas, utilizando bibliotecas específicas como LASIO y WELLY, y aplicando bibliotecas de Python como Matplotlib y Seaborn para la visualización. Introduce técnicas de inteligencia artificial y aprendizaje automático para predecir propiedades petrofísicas utilizando datos reales de campo. Los participantes desarrollarán habilidades de análisis de modelos, integrarán IA y ML en los flujos de trabajo y aplicarán los conocimientos adquiridos en escenarios reales mediante ejercicios prácticos y casos prácticos.
El contenido del curso incluye:
• Introducción a los objetivos y expectativas del curso.
• Descripción general de las posibles fuentes de datos para la petrofísica. • Introducción a conjuntos de datos de muestra y ejemplos reales de análisis de registros en petrofísica.
• Bibliotecas de Python generales y específicas para análisis de registros, incluyendo NumPy, Pandas, Matplotlib, Seaborn, LASIO y WELLY.
• Operaciones básicas y avanzadas de Pandas: gestión de datos faltantes, fusión de conjuntos de datos, agrupación y agregación de datos.
• Detección de eventos en datos petrofísicos: comprensión de eventos e implementación de la detección de eventos basada en reglas con Python.
• Análisis estadístico en Python: pruebas t y pruebas de hipótesis.
• Introducción al modelado predictivo en petrofísica y al análisis de registros.
• Implementación de modelos de regresión para predecir propiedades petrofísicas y análisis de regresión estadística para datos petrofísicos.
