Berríos Pérez, Bastián2026-04-202026-04-202025https://repositorio.usm.cl/handle/123456789/78422El sector agrícola chileno enfrenta desafíos relacionados con la incertidumbre en la producción debido a la variabilidad climática y la necesidad de optimizar recursos limitados. En este contexto, la empresa Neering ha identificado la oportunidad de desarrollar una plataforma web que integra predicción de rendimiento frutal mediante Machine Learning. El grupo de trabajo Treering, compuesto por cinco estudiantes de la Universidad Técnica Federico Santa María, ha trabajado en el diseño y evaluación de la arquitectura de software de AgroPredict, que se propone como solución a esta oportunidad. La principal contribución de este trabajo es una arquitectura monolítica modular implementada en Django. La arquitectura diseñada permite una integración eficiente entre frontend web, servicios de Machine Learning y herramientas de cálculo agrícola, facilitando la toma de decisiones relacionadas con la selección de cultivos, la planificación de cosecha y la optimización de recursos hídricos para clientes de nivel gerencial en el área agrícola.40 páginasesAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/Arquitectura de softwareSistemas webMicroserviciosPredicción agrícolaDjango framework35609002914012 Hambre cero9 Industria, innovación e infraestructura