Update README.md

README.md

@@ -1,5 +1,6 @@
 # Python para Geólogos
-### **Versión: 2.4 (Abril 2024)**
+## 🛠️ En proceso de edición
+### **Versión: 2.4 (Mayo 2024)**
 Si tienes cuenta en Github, no olvides darle una estrella al proyecto para que siga creciendo ⭐
 ***
 
@@ -45,10 +46,11 @@ Es recomendable descargar el contenido del repositorio y usarlo como plantilla p
     - Pandas
     - Matplotlib
     - SQLite - Bases de datos
-    - Interactividad en Python
     - 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
@@ -57,10 +59,13 @@ Es recomendable descargar el contenido del repositorio y usarlo como plantilla p
     - Variables aleatorias
     - Estadística inferencial
     - Bootstrap
+    - Simulación de Montecarlo
+    - Datasaurus
   - PG102 - Análisis de datos en Geología
     - Análisis descriptivo
     - Análisis exploratorio de datos
     - Análisis inferencial
+    - Bases de datos - Sondajes
   - PG103 - Visualización de datos en Geología
     - Seaborn
     - Plotly
@@ -70,7 +75,8 @@ Es recomendable descargar el contenido del repositorio y usarlo como plantilla p
 - Ciencia de datos y Machine Learning
   - PG200 - Fundamentos de Machine Learning
   - PG201 - Aprendizaje supervisado
-    - Regresión lineal y logística
+    - Regresión lineal
+    - Regresión logística
     - Árboles de decisión (DT)
     - Random Forest (RF)
     - Support Vector Machine (SVM)
@@ -96,9 +102,8 @@ Es recomendable descargar el contenido del repositorio y usarlo como plantilla p
     - Visualización de registros de pozo
   - PG305 - Estratigrafía y Sedimentología
     - StratiLib - Columnas estratigráficas
-  - PG306 - Geología estructural
+  - PG306 - Geología estructural y Geomecánica
     - Mplstereonet
-  - PG307 - Geotecnia
     - Estimación de la probabilidad de fallo en un talud
 
 ### Plantillas de trabajo
@@ -111,16 +116,18 @@ El proyecto contiene documentos en formato `.ipynb` y se pueden abrir de las sig
 - Usando `Binder`, una aplicación web que permite ejecutar código arbitrario dentro de un entorno virtual (similar a `Google Colab`).
 - A través de un editor de código instalado en tu computadora, como por ejemplo: `Jupyter Lab`, `Jupyter Notebook` o `Visual Studio Code`.
 
-Si no tienes instalado `Python`, puedes seguir las indicaciones del archivo `Anexos.ipynb`.
+Si no tienes instalado `Python`, puedes seguir las indicaciones del archivo `instalar_python.ipynb`.
 
 ***
 ### Referencias
 - Barbieri, R., Garelik, C. (2022). [La matemática y las geociencias](https://editorial.unrn.edu.ar/index.php/catalogo/346/view_bl/62/lecturas-de-catedra/106/la-matematica-y-las-geociencias?tab=getmybooksTab&is_show_data=1). Editorial UNRN (pp. 15 y 136).
+- Bhattacharya, S. (2021). [A Primer on Machine Learning in Subsurface Geosciences]([)](https://link.springer.com/book/10.1007/978-3-030-71768-1).
 - GEOROC (2023). [Geochemistry of Rocks of the Oceans and Continents](https://georoc.mpch-mainz.gwdg.de/georoc/Start.asp). Geoscience Centre Göttingen, Germany.
 - Mälicke, M. (2022). [SciKit-GStat 1.0: a SciPy-flavored geostatistical variogram estimation toolbox written in Python](https://gmd.copernicus.org/articles/15/2505/2022). European Geosciences Union, Volume 15, issue 6. Institute for Water and River Basin Management, Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany.
 - Marsden, Eric. (2021). [Monte Carlo simulation for estimating slope failure risk](https://risk-engineering.org/notebook/monte-carlo-slope-stability.html).
 - Merlino, Rubens (2022). [Stratilib](https://github.com/rubensdmp/stratilib).
 - Petrelli, M. (2021). [Introduction to Python in Earth Science Data Analysis](https://link.springer.com/book/10.1007/978-3-030-78055-5). Repositorio en [Github](https://github.com/petrelli-m/python_earth_science_book).
+- Petrelli, M. (2023). [Machine Learning for Geosciences](https://link.springer.com/book/10.1007/978-3-031-35114-3)
 - Pyrcz, M. (2021). [Python Numerical Demos](https://github.com/GeostatsGuy/PythonNumericalDemos).
 - Suarez-Burgoa, L. (2017). [Matematización de la geología](https://www.researchgate.net/publication/313464003_Matematizacion_de_la_geologia). Boletín de Ciencias de la Tierra 41 (pp. 30 - 38). Universidad Nacional de Colombia.
 - Trauth, M. (2022). [Python Recipes for Earth Sciences](https://link.springer.com/book/10.1007/978-3-031-07719-7). Institute of Geosciences, University of Potsdam, Potsdam, Brandenburg, Germany.