En este proyecto se propone estudiar un dataset que contiene información de monitoreo de agua para diferentes periodos y estaciones a lo largo de la costa del Rio de La Plata. El objetivo es encontrar las interrelaciones entre variables, así como la sensibilidad de las mismas, además de tratar de encontrar posibles patrones relacionados a la estacionalidad y las características de las poblaciones circundantes a la estación monitoreada. Esto puede ser valioso a la hora de tomar decisiones gubernamentales para evitar y penar la contaminación protegiendo así la calidad de nuestras aguas.

El análisis de agua tiene en cuenta aspectos físicos, químicos, microbiológicos y organolépticos. Es importante reconocer que algunos de estos parámetros de control son más costosos de evaluar, tanto en términos de recursos como de tiempo necesario. En este contexto, resulta particularmente interesante explorar las posibles correlaciones entre estas variables utilizando herramientas del aprendizaje supervisado. Este enfoque permitirá no solo comprender las relaciones intrínsecas entre los diversos aspectos del agua, sino también identificar oportunidades para optimizar los recursos, centrándose en la predicción de variables mediante la observación y monitorización de aquellas menos costosas y que incluso en algunos casos pueden ser medidas en tiempo real.