Ingeniería de Sistemas
URI permanente para esta colección
Examinar
Examinando Ingeniería de Sistemas por Materia "Aprendizaje automático"
Mostrando 1 - 3 de 3
Resultados por página
Opciones de ordenación
Ítem Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura(Universidad Peruana Unión, 2020-12-21) Cotacallapa Mamani, Harold Enrique; Saboya Ríos, NemiasCon el rápido crecimiento del comercio electrónico en los últimos 3 años, y tras su reciente aceleración, debido a la enfermedad por coronavirus (COVID-19), surge la necesidad de ofrecer un servicio de comercio electrónico óptimo que maximice las utilidades del negocio. Un servicio óptimo implica un motor de búsqueda y recomendación altamente eficaces, por tanto, depende significativamente de una excelente clasificación de productos, lo cual aún es un desafío para la ciencia y la industria, ya que, implica una clasificación jerárquica múltiple en tiempo real para un inmenso volumen de productos con descripciones no estructuradas y una larga lista de subcategorías con pocos datos. No obstante, el reciente avance de la Inteligencia Artificial, generó una amplia gama de algoritmos que abordan estos problemas. Por consiguiente, el presente artículo desarrolla una Revisión Sistemática de la Literatura (RSL) con el objetivo de identificar los algoritmos de aprendizaje automático, sus métricas de evaluación y los enfoques usados para la clasificación de productos en comercio electrónico. Esta RSL sigue una secuencia de pasos definidos en la guía de Kitchenham. Al finalizar este estudio, se concluye que los algoritmos más usados son K-Means, SVM, y Naive Bayes cuando el objeto de estudio es el texto, y la red neuronal convolucional jerárquica cuando se trabaja con imágenes; además, más del 70% de los artículos usan solamente los atributos textuales del producto y la mayoría de artículos cuyo enfoque es el aprendizaje supervisado usan el “accuracy” como única métrica para validación del modelo.Ítem Plataformas y herramientas e – Learning para evaluar la velocidad y comprensión lectora del estudiante en la EBR: Una revisión sistemática de la literatura(Universidad Peruana Unión, 2020-09-18) Palacios Villalobos, Fiorela Vanessa; Mamani Apaza, GuillermoEste estudio tiene como objetivo identificar las características de las plata-formas, herramientas informáticas, y modelos e-learning orientadas a evaluar la velo-cidad de lectura y comprensión lectora enfocadas a estudiantes de educación básica regular. Para la identificación de estas plataformas y herramientas se realizó una revisión sistemática de la literatura de las distintas bases de datos indexados. De un total de 132 artículos revisados, se identificaron 14 artículos que referencian a los temas deseados: e – learning, velocidad de lectura, comprensión lectora. Se puede concluir que existe diversidad de plataformas y herramientas para evaluar la velocidad y la comprensión lectora del estudiante de educación básica regular, considerando las siguientes plataformas: Moodle, Leo, EVA, Envía. Dado a los beneficios que presentan las instituciones educativas.Ítem Técnicas y Herramientas para la predicción de complicaciones cardiacas, utilizando wearables inteligentes: una revisión sistemática de la literatura(Universidad Peruana Unión, 2020-12-21) Ayala Poma, Maicol Enrrique; Huaman Ollero, Jhordy Arnold; Huanca Torres, Fredy AbelEl objetivo de este artículo es identificar mediante una revisión sistemática de la literatura, técnicas y herramientas utilizadas para la predicción de complicaciones cardiacas, con wearables inteligentes; mediante una revisión sistemática de la literatura, tiene relevancia por ser implementado en el campo de la medicina y a lo largo del tiempo han evolucionado en distintos ámbitos de la medicina. Para esto, se procedió a realizar una revisión sistemática de la literatura tomando en cuenta el rango de las publicaciones de los últimos 8 años en las bases de datos SCOPUS, SCIENCEDIRECT, EBSCOHOST, IEEEXPLORE, ACM DIGITAL LIBRARY, de todos los artículos encontrados y seleccionados se extrajo las técnicas que más resaltan y así mismo modelos y herramientas de machine learning para poderlos considerar como antecedentes de la investigación. Existen muchos métodos que pueden predecir complicaciones de enfermedades cardíacas, uno mejor que otro según la investigación del caso de estudio. Sin embargo, después de una revisión exhaustiva de todos los artículos seleccionados se muestra que un 80% de los artículos seleccionados se adapta a la necesidad de poder dar un pre desarrollo de las técnicas, herramientas para alcanzar una mayor puntuación en la precisión de un ataque cardíaco, cuyo proceso de selección de artículo está basado en el modelo de selección de Kitchenham[54].