Control de calidad de alimentos mediante técnicas globales de caracterización en combinación con técnicas de machine learning – 2ª Edición
Finalizan las seis sesiones online que han integrado la 2ª edición del curso online «Control de calidad de alimentos mediante técnicas globales de caracterización en combinación con técnicas de machine learning», organizado por el Campus de Excelencia Internacional Agroalimentario ceiA3 bajo el marco del Andalucía Agrotech DIH del 14 al 21 de julio y dirigido a trabajadores de PYMEs, cooperativas o autónomos del sector agroalimentario o agrotech con actividad económica en Andalucía.
Esta formación, impartida por profesorado y equipo de investigación de la Universidad de Cádiz, ha tenido el objetivo de las mismas ha sido ofrecer formación al personal de startups y PYMES agroalimentarias, y sus agrupaciones, especialmente a técnicos relacionados con el control de calidad, en la aplicación de técnicas para el control de calidad de alimentos mediante técnicas globales de caracterización en combinación con técnicas de machine learning, para mejorar la toma de decisiones en el control de producción.
La aplicación de técnicas de inteligencia artificial como el machine learning, permite aprovechar el potencial de información que aporta la gran cantidad de datos suministrados por los actuales equipos de análisis y la aplicación de técnicas globales de caracterización de productos, mejorando la información de los técnicos para la toma de decisiones en control de la producción.
El curso ha combinado la formación en técnicas globales utilizadas en el ámbito agroalimentario, la formación en técnicas de machine learning de clasificación y regresión y su aplicación en un caso práctico.
- Introducción a las técnicas analíticas de interés en el control de calidad en la industria agroalimentaria. Técnicas globales en el ámbito agroalimentario. Espectroscopía infrarroja: FT-IR y NIR.
- Espectrometría de masas. Espectroscopía de movilidad iónica. Técnicas globales y su aplicación en control de calidad de producción y en la determinación de adulteraciones.
- Las técnicas de machine learning como recurso en la toma de decisiones en control de producción. Técnicas de machine learning de clasificación y de regresión I.
- Técnicas de machine learning de clasificación y de regresión II. Introducción a R-Studio.
- Aplicación de técnicas globales sobre el caso práctico: Adquisición de datos, Pretratamiento de datos, Aplicación de técnicas de machine learning en caracterización de origen de muestras y detección de adulteraciones: café, cacao y mieles.
- Introducción a la vigilancia tecnológica con instrumento de apoyo a la innovación en el sector agroalimentario. Conceptos, operativa y software de bajo coste para realizar vigilancia tecnológica.
