Políticas   Declaración de Budapest  

Ingeniería de Sistemas

URI permanente para esta colección

http://repositorio.upeu.edu.pe/handle/20.500.12840/2212

Examinar

Examinando Ingeniería de Sistemas por Materia "Aprendizaje supervisado"

Mostrando 1 - 2 de 2
  • Miniatura
    Ítem
    Métodos de aprendizaje supervisado para la predicción de diabetes: una revisión sistemática de la literatura
    (Universidad Peruana Unión, 2019-12-02) Aguirre Ascona, Yerry Dany; Saboya Rios, Nemias
    La inteligencia artificial (IA) y sus beneficios en el campo de la medicina han generado gran revolución. Es por este motivo que se quiere identificar los métodos de aprendizaje supervisado (una sub-área de la inteligencia artificial) y los factores empleados para la predicción de la diabetes que han sido más significativos en cuanto a técnica (de los cuales resaltan árbol de decisión y sus derivados) y resultados. Para la identificación de estos métodos se realizó una revisión sistemática de la literatura. De todos los artículos encontrados se extrajo los métodos de maching learning para considerarlos como antecedentes. Existen diversos métodos de aprendizaje supervisado que pueden predecir la diabetes en los que algunos son híbridos y otros puros, uno mejores que otros según sea el caso de estudio. Finalmente, después de una revisión de los artículos seleccionados se destaca la etapa del pre-procesamiento en el desarrollo de estos modelos para alcanzar una mayor puntuación en la precisión.
  • Miniatura
    Ítem
    Modelos de aprendizaje supervisado como apoyo a la toma de decisiones en las organizaciones basados en datos de redes sociales: Una revisión sistemática de la literatura.
    (Universidad Peruana Unión, 2019-12-02) Barrientos Mogollon, Estrella Sarit; Mamani Mamani, Sol Abigail; Huanca Torres, Fredy Abel
    Las redes sociales se han convertido en la herramienta de comunicación e interacción más utilizada entre las personas y se han diversificado para cumplir funciones importantes dentro de la organización. En consecuencia, las redes sociales se han vuelto una fuente inmensa de datos que son procesados a través de modelos de aprendizaje supervisado para producir información que sea competente para la toma de decisiones como la predicción de campañas electorales, la predicción de consumo de un producto y/o servicio, la reputación de una empresa entre otros. De manera que el presente estudio tiene como objetivo identificar los modelos de aprendizaje supervisado como apoyo a la toma de decisiones en las organizaciones basados en datos de redes sociales. Para la identificación de modelos de aprendizaje supervisado se realizó una revisión sistemática de la literatura(RSL) en bases de datos reconocidas y revistas indexadas. De un total de 1614 artículos se identificaron 32 artículos que hacen referencia a 6 modelos de aprendizaje supervisado y las funciones que cumplen como apoyo a la toma de decisiones en una organización. Se puede concluir que existen diversos modelos de aprendizaje supervisado siendo el de Support Vector Machine de mayor grado de precisión. También se han encontrado en las investigaciones modelos de: Naive Bayes, Decision Tree, Regression: Logistic y lineal, k-Nearest Neighbors, y finalmente Neural Network.