Predicción de Radiación Solar en La Puntilla, Pichilemu Este proyecto crea un modelo de machine learning para predecir la radiación solar descendente en superficie en el sector costero La Puntilla, Pichilemu (Chile), usando datos diarios de NASA POWER (2001-2025). Se emplean regresiones regularizadas (Ridge, Lasso y Elastic Net) para tratar multicolinealidad y seleccionar variables entre 17 predictores climáticos (temperatura, humedad, viento, presión, etc.). Resultados clave: Modelo óptimo: Elastic Net (α=0.10, λ≈0.0009) R² = 0.96 en test (explica 96% de la varianza) RMSE = 0.19 (escala estandarizada) Mejora del 79.4% en error respecto al baseline (media) Incluye análisis exploratorio, diagnóstico de supuestos (normalidad, homocedasticidad, autocorrelación), visualizaciones climáticas, mapa interactivo y comparación de modelos.

Ditujukan Untuk Memenuhi Nilai Mata Kuliah Analisis Spasial Kelas A

Taller covid 19 - Clase Big Data - Joel Velásquez - 3101415 & Nicolas Carrillo - 3101377

DANNY ANDRÉS PULIDO ROZO – 3101349 MARTHA DEL PILAR BAUTISTA – 3600213

Using dplyr, fitzRoy and ggplot2 to manipulate, summarise and visualise datasets.

l presente trabajo aplica los conceptos y herramientas del Big Data y la analítica de datos para el análisis de una base real de casos de COVID-19. A través del uso de R y R Markdown

La siguiente es la guía paso a paso para crear un Notebook en Google Colab que resuelva el Apéndice 7: Evaluation of Dryer Performance del documento Solar Dryers – Appendices.pdf.