Skip to content
Projects

kevinalexandr19/python_para_geologos

View on GitHub

kevinalexandr19/python_para_geologos has 258 GitHub stars and 53 forks. Star changes are not measured yet. Last checked 2026-11-15 13:49 UTC. Last push 2026-11-15.

How these counts are measured

258 stars53 Forks

Measured star growth

in 24h
Collecting history
in 7 days
Collecting history
in 15 days
Collecting history
in 1 month
Collecting history

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

About

Python para Geólogos

Machine Learning

README.md

Original

Python para Geólogos

Versión: 2.6 (Julio 2025)

Si tienes cuenta en Github, no olvides darle una estrella al proyecto para que siga creciendo ⭐

portada

Autor: Kevin Alexander Gómez

Contacto: [email protected] | Linkedin | Github

¿Quieres probar el código sin necesidad de instalar Python?

Usa la aplicación de Jupyterlite haciendo click aquí

¿Tienes Python instalado en tu computadora?

Puedes descargar todo el contenido del proyecto haciendo clic aquí ☞ Google Drive

Descripción

Este proyecto académico fue creado con la finalidad de facilitar el aprendizaje en Python para estudiantes y profesionales en el campo de la Geología y ramas afines.

Desarrollando un pensamiento algorítmico, aprenderás a usar código en Python para la solución de problemas en Geología.

Es recomendable tener conocimientos previos en geología general, estadística y álgebra lineal.
También es importante tener perseverancia para aprender cada tema y creatividad para resolver problemas.

Índice

Todos los capítulos están disponibles dentro del repositorio como notebooks de Jupyter .ipynb.
Es recomendable descargar el contenido del repositorio y usarlo como plantilla para desarrollar tus propios notebooks.

La mayoría de notebooks están listos (✔️), pero algunos todavía están en desarrollo (⏳).

  • Fundamentos de programación geológica
    • PG001 - Fundamentos de Python
      • Variables geológicas ✔️
      • ¿Cómo mostrar un resultado en Python? ✔️
      • Lógica computacional ✔️
      • Estructuras de datos ✔️
      • Automatización de tareas en Geología ✔️
      • Programación orientada a objetos ✔️
      • Palabras reservadas en Python ✔️
    • PG002 - Librerías fundamentales de Python
      • Numpy ✔️
      • Pandas ✔️
      • Matplotlib ✔️
      • SQLite - Bases de datos ✔️
      • Midiendo el tiempo con Python ✔️
    • PG003 - Librerías de automatización
      • Interactividad en Python ✔️
      • Procesando PDFs en Python ✔️
      • Automatización de reportes ✔️
    • PG099 - Ejercicios de programación geológica ✔️
    • PG099 - Ejercicios de programación geológica (Solucionario) ✔️
  • Estadística y Matemática
    • PG101 - Fundamentos de Estadística
      • Estadística descriptiva ✔️
      • Variables aleatorias ✔️
      • Estadística inferencial ⏳
      • Bootstrap ✔️
      • Simulación de Montecarlo ✔️
      • Datasaurus ✔️
    • PG102 - Análisis de datos en Geología
      • Análisis descriptivo ✔️
      • Análisis exploratorio de datos ⏳
      • Análisis inferencial ⏳
    • PG103 - Visualización de datos en Geología
      • Seaborn ✔️
      • Plotly ✔️
      • Visualización de datos ✔️
      • Visualización de sondajes en 3D ✔️
      • Visualización de un modelo de bloques en 3D ✔️
  • Ciencia de datos y Machine Learning
    • PG200 - Fundamentos de Machine Learning ✔️
      • Descenso del Gradiente ✔️
    • PG201 - Aprendizaje supervisado
      • Regresión lineal ✔️
      • Regresión logística ✔️
      • Árboles de decisión (DT) ✔️
      • Random Forest (RF) ✔️
      • Support Vector Machine (SVM) ⏳
      • K-Nearest Neighbors (KNN) ⏳
      • Extreme Gradient Boosting (XGBoost) ✔️
    • PG202 - Aprendizaje no supervisado
      • Análisis de componentes principales (PCA) ✔️
      • Clustering con K-means ⏳
    • PG203 - Deep Learning
      • Fundamentos de Deep Learning ⏳
      • Redes neuronales desde cero ✔️
      • Autoencoders (AE) ⏳
      • Generative Adversarial Networks (GAN) ⏳
  • Aplicaciones en Geología
    • PG301 - Geoestadística
      • Introducción al Variograma ✔️
      • Variograma 1D ✔️
      • Declustering ✔️
    • PG302 - Geoquímica
      • Pyrolite ✔️
      • Diagramas ternarios ⏳
      • Diagrama de clasificación QAP ⏳
    • PG303 - Análisis geoespacial
      • Shapely ✔️
      • Geopandas ✔️
      • Rioxarray ✔️
      • Leafmap ✔️
      • Geoherencia ⏳
    • PG304 - Geofísica
      • Anomalía de Bouguer ⏳
      • Intensidad magnética total y residual ⏳
      • Intensidad radiométrica ⏳
    • PG305 - Geología económica y Exploración mineral
      • Introducción a la Geología Económica ⏳
      • Bases de datos - Sondajes ✔️
      • Mapeo de prospectividad mineral ⏳
    • PG306 - Estratigrafía y Sedimentología
      • StratiLib - Columnas estratigráficas ✔️
    • PG307 - Geología estructural y Geomecánica
      • Mplstereonet ✔️
      • Estimación de la probabilidad de fallo en un talud ✔️
    • PG308 - Geología del Petróleo
      • Introducción a la Geología del Petróleo ⏳
      • Petrofísica ⏳
      • Visualización de registros de pozo ✔️

Plantillas de trabajo

  • Plantilla para visualizar sondajes en 3D ✔️

¿Cómo usar el contenido de este proyecto?

El proyecto contiene documentos en formato .ipynb y se pueden abrir de las siguientes formas:

  • A través de JupyterLite, la opción del proyecto para ejecutar los notebooks disponibles sin instalar Python.
  • A través de un navegador web, usando la aplicación de Google Colab.
  • A través de un editor de código instalado en tu computadora, como por ejemplo: Jupyter Lab, Jupyter Notebook o Visual Studio Code.

Para trabajar en tu computadora, sigue el tutorial de instalación de Python y JupyterLab: usa Python oficial, un entorno venv y paquetes instalados con pip. La versión estable de referencia es Python 3.15.2 (verificada el 15 de noviembre de 2026); consulta Python.org por si hay una versión estable posterior.

JupyterLite no necesita esa instalación local. Su kernel y sus librerías son independientes de los de tu computadora; algunos notebooks especializados todavía requieren adaptación para ejecutarse allí.

Referencias