FIng - Trabajos de Titulación Post-Grado

URI permanente para esta colección

http://repositorio.unab.cl//handle/ria/470

Examinar

Examinando FIng - Trabajos de Titulación Post-Grado por Autor "Andrades Recabal, Miguel"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Comparación de algoritmos en Machine Learning aplicado en ventas de microempresas
    (Universidad Andrés Bello, 2021) Mañan Piña, Carlos Andrés; Bustos Valderrama, Renato; Andrades Recabal, Miguel; Ruete Zúñiga, David; Facultad de Ingeniería
    El presente trabajo de tesis fue desarrollado, con el objetivo de modelar una herramienta para microempresas capaz de mejorar la oportunidad de venta de productos en licitaciones del sector público utilizando Machine Learning, en el proyecto trabajamos sobre una empresa que sólo vende artículos deportivos por redes sociales, en ella, se identificará la problemática y causas, se fijaran los objetivos y métricas, luego de definir el alcance se realiza un estudio de la utilización de machine learning en la industria, además de un análisis teórico de los fundamentos y clasificación de algoritmos, posteriormente una investigación de los avances en TI a nivel local y en la ciencia de datos. Para construir la herramienta, es imprescindible contar con la información histórica, para lo cual se dedicó un capítulo dedicado a la obtención de los datos por la extensión y complejidad. A su vez, se implementó un ambiente de desarrollo para la extracción de los datos y set de pruebas, para desarrollar tanto los conectores que permitan rescatar los datos públicos desde Internet, como procesar la información con los distintos algoritmos de machine learning que serán evaluados. Para el análisis predictivo, se realizarán distintos experimentos en el lenguaje R, utilizando como base de datos la información recolectada, sometiendo a esta a los distintos algoritmos de aprendizaje automático supervisados que se utilizarán para generar modelos de predicción. Finalmente, los diferentes modelos se compararán para seleccionar el de mejor rendimiento en nuestro modelo.