Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros
Resumen y poster
| Main Authors: | , , , |
|---|---|
| Format: | info:ar-repo/semantics/documento de conferencia |
| Language: | Español |
| Published: |
Estación Experimental Agropecuaria San Pedro, INTA
2025
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/20.500.12123/24560 |
| _version_ | 1855038963125846016 |
|---|---|
| author | Aballay, Maximiliano Martín Chirino, Julian Santiago Valentini, Gabriel Hugo Sanchez, Gerardo |
| author_browse | Aballay, Maximiliano Martín Chirino, Julian Santiago Sanchez, Gerardo Valentini, Gabriel Hugo |
| author_facet | Aballay, Maximiliano Martín Chirino, Julian Santiago Valentini, Gabriel Hugo Sanchez, Gerardo |
| author_sort | Aballay, Maximiliano Martín |
| collection | INTA Digital |
| description | Resumen y poster |
| format | info:ar-repo/semantics/documento de conferencia |
| id | INTA24560 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Estación Experimental Agropecuaria San Pedro, INTA |
| publisherStr | Estación Experimental Agropecuaria San Pedro, INTA |
| record_format | dspace |
| spelling | INTA245602025-11-14T17:18:04Z Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros Aballay, Maximiliano Martín Chirino, Julian Santiago Valentini, Gabriel Hugo Sanchez, Gerardo Aprendizaje Automático Técnicas de Predicción Biotecnología Fitomejoramiento Durazno Prunus persica Machine Learning Forecasting Biotechnology Plant Breeding Peaches Resumen y poster El mejoramiento genético del duraznero (Prunus persica) enfrenta desafíos crecientes frente al cambio climático, nuevas exigencias del mercado y la necesidad de adaptar variedades a diversas regiones productivas. En donde caracteres claves como el requerimiento de horas de frío y el rendimiento, se encuentran influenciados por factores ambientales, lo cual dificulta su selección en etapas tempranas del mejoramiento. En este contexto, el uso de herramientas de inteligencia artificial, representa una oportunidad innovadora para integrar distintos tipos de datos y anticipar el comportamiento de los cultivos, acelerando así los procesos de selección. Entre este tipo de herramientas destacan los modelos de Random Forest, debido a su capacidad para manejar grandes volúmenes de datos con alta dimensionalidad, tolerar relaciones no lineales entre variables y reducir el riesgo de sobreajuste. Lo cual lo convierte en una herramienta robusta para aplicaciones en genética vegetal. EEA San Pedro Fil: Aballay, Maximiliano Martín. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina Fil: Aballay, Maximiliano Martín. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Laboratorio de Biotecnología; Argentina Fil: Chirino, Julián Santiago. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina Fil: Valentini, Gabriel Hugo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina Fil: Sánchez, Gerardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Pedro; Argentina Fil: Sánchez, Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Laboratorio de Biotecnología; Argentina 2025-11-14T17:14:51Z 2025-11-14T17:14:51Z 2025-06 info:ar-repo/semantics/documento de conferencia info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/24560 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf Estación Experimental Agropecuaria San Pedro, INTA Encuentro de Redes de Biotecnología de Argentina "Biotecnología para un Futuro Sostenible y Saludable" - XXV Simposio REDBIO - VII Simposio SAPROBIO - VII Encuentro REDTEZ, Posadas, 24 al 27 de junio 2025 |
| spellingShingle | Aprendizaje Automático Técnicas de Predicción Biotecnología Fitomejoramiento Durazno Prunus persica Machine Learning Forecasting Biotechnology Plant Breeding Peaches Aballay, Maximiliano Martín Chirino, Julian Santiago Valentini, Gabriel Hugo Sanchez, Gerardo Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title | Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title_full | Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title_fullStr | Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title_full_unstemmed | Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title_short | Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros |
| title_sort | una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptacion a escenarios climaticos futuros |
| topic | Aprendizaje Automático Técnicas de Predicción Biotecnología Fitomejoramiento Durazno Prunus persica Machine Learning Forecasting Biotechnology Plant Breeding Peaches |
| url | http://hdl.handle.net/20.500.12123/24560 |
| work_keys_str_mv | AT aballaymaximilianomartin unaplataformabasadaenmachinelearningparaidentificarvariedadesdedurazneroconmayoreschancesdeadaptacionaescenariosclimaticosfuturos AT chirinojuliansantiago unaplataformabasadaenmachinelearningparaidentificarvariedadesdedurazneroconmayoreschancesdeadaptacionaescenariosclimaticosfuturos AT valentinigabrielhugo unaplataformabasadaenmachinelearningparaidentificarvariedadesdedurazneroconmayoreschancesdeadaptacionaescenariosclimaticosfuturos AT sanchezgerardo unaplataformabasadaenmachinelearningparaidentificarvariedadesdedurazneroconmayoreschancesdeadaptacionaescenariosclimaticosfuturos |