Solano Correa, Yady TatianaPatiño Velasco, Mario MilverSalas Diaz, Juan Camilo2026-01-282026-01-282025http://hdl.handle.net/11522/5286El sector cacaocultor del departamento del Huila enfrenta desafíos que limitan su sostenibilidad y competitividad. Aunque el área de cultivo de cacao ha disminuido en los últimos años, la producción total ha aumentado debido a mejoras en los rendimientos por hectárea. Sin embargo, este incremento en la eficiencia no ha contrarrestado la reducción de la superficie cultivada, lo cual evidencia la necesidad de implementar estrategias que promuevan un uso eficiente y sostenible de los recursos. Para abordar este problema, este proyecto abordo una metodología basada en la integración de tecnologías avanzadas de análisis de datos y aprendizaje automático. Partiendo de la creación de una base de datos estructurada integrando datos sociales, agronómicos, físicos del suelo e imágenes multiespectrales de las unidades productivas de cacao en el municipio de Baraya, Huila. Esta base de datos se usó para aplicar técnicas de machine learning, con el fin de identificar patrones y similitudes entre las unidades productivas, cuyos modelos son evaluados mediante métricas específicas de validación. Finalmente se desarrolló una estrategia de visualización interactiva que permite a los agricultores y tomadores de decisiones interpretar fácilmente los resultados obtenidos, facilitando así una gestión más precisa del cultivo. Los resultados incluyen la identificación y agrupamiento de unidades productivas con características similares, permitiendo un enfoque diferenciado en la toma de decisiones y la implementación de prácticas agrícolas específicas para cada grupo.86 p.application/pdfspaCacaoBig dataDatosAgriculturaCienciaCocoaDataAgricultureSciencemaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2