Magíster en Ingeniería de Sistemas con Mención en Ingeniería de Softwarehttp://hdl.handle.net/20.500.12840/372024-03-28T14:18:52Z2024-03-28T14:18:52ZModelo de predicción de la plaga Burkholderia Glumae en cultivos de arroz usando Machine Learning e Interpolación EspacialPérez Suárez, Joelhttp://hdl.handle.net/20.500.12840/68802023-09-28T16:28:16Z2022-02-03T00:00:00ZModelo de predicción de la plaga Burkholderia Glumae en cultivos de arroz usando Machine Learning e Interpolación Espacial
Pérez Suárez, Joel
En la actualidad, la agricultura, en especial el cultivo de arroz está siendo afectado por los constantes cambios climáticos, esto origina que algunos patógenos sean favorecidos alterando su producción, y a su vez generando pérdidas económicas. El estudio tuvo el propósito de elaborar un modelo de Machine Learning para predecir la aparición de la plaga Burkholderia Glumae en cultivos de arroz en la región de San Martín, Perú. En la exploración de los datos se usó la técnica de interpolación espacial IDW, para obtener datos de temperatura y precipitación. El estudio aplicó una serie de algoritmos supervisados. Entre estos, el Random Forest Classifier (RFC) fue el que obtuvo el máximo valor con un accuracy de 88%. También se creó un aplicativo donde se visualiza la predicción de la plaga Burkholderia Glumae en una zona determinada de la región.
2022-02-03T00:00:00ZModelo de sistema de información para la gestión financiera y su impacto en la toma de decisiones de la alta dirección de la Universidad Peruana UniónSaavedra Vasconez, Carlos Eduardohttp://hdl.handle.net/20.500.12840/61632023-02-07T19:01:13Z2022-11-03T00:00:00ZModelo de sistema de información para la gestión financiera y su impacto en la toma de decisiones de la alta dirección de la Universidad Peruana Unión
Saavedra Vasconez, Carlos Eduardo
El objetivo del estudio es elaborar un modelo de sistema de información para la gestión financiera y su impacto en la toma de decisiones de la alta dirección de la Universidad Peruana Unión, se ha definido los sistemas contables que involucra el proyecto, se usó el marco de trabajo Scrum para el desarrollo de los módulos y de esta manera lograr cumplir los tiempos en la meta trazada, se definió los indicadores financieros que se requiere tener en constante acceso. Se unificó todas las bases de datos de los distintos módulos contables, todos los sistemas son contabilizados en el sistema de iglesia adventista denominado AasiNet, estos se exportan e importa mediante una interfaz de programación de aplicaciones (APIs), esta información obtenida es trabajada de dos maneras, primero presentamos la información con reportes de visualización y la segunda a través de la extracción, transformación y lectura (ETL) usando herramientas Talend Data Integration de tal manera permita que la información sea presentada con herramientas de inteligencia de negocios como Power BI para la visualización de reportes tanto de manera automática como importación de hojas de cálculo. Los resultados obtenidos son reportes analíticos que impactaron en la toma de decisiones de la alta dirección de la Universidad Peruana Unión.
2022-11-03T00:00:00ZMarco de trabajo SCRUM extendido con prácticas de Clean Architecture para la mantenibilidad de softwareArango Quincho, Eduardo Cesarhttp://hdl.handle.net/20.500.12840/46892021-11-04T17:30:09Z2021-07-02T00:00:00ZMarco de trabajo SCRUM extendido con prácticas de Clean Architecture para la mantenibilidad de software
Arango Quincho, Eduardo Cesar
Este estudio consistió en la extensión del marco de trabajo Scrum con prácticas Clean Architecture (Scrum-CA) para mejorar la mantenibilidad de soft-ware. Metodológicamente, en este estudio: i) se identificaron los requerimientos que Scrum-CA debía satisfacer; ii) identificación de los aspectos (artefactos y/o actividades) Scrum a extender, iii) especificar el marco de trabajo extendido; y, iv) validar la propuesta mediante un caso de estudio. A nivel de marco de trabajo extendido, esta propuesta considera la formulación de un contexto de negocio como insumo al Product Backlog. La especificación de tareas en el Sprint ba-cklog se delimito por su contexto para obtener una alta cohesión en el diseño de la arquitectura, así como la división en 4 espacios (infraestructura, controladores, aplicación y dominio) para que en el desarrollo de los Sprint se permita el logro de una arquitectura mantenible, cuestión que a priori los equipos Scrum deben definir empíricamente. Se añaden los principios SOLID en la implementación del producto dentro de los Sprint y se guarda coherencia entre la planificación de los requerimientos y el logro de la arquitectura del producto. Scrum-CA se validó a través de un proyecto de implementación en una entidad estatal peruana de al-cance nacional. Los resultados concluyen una mejora de la mantenibilidad del software del proyecto, del Sprint1 al Sprint2, bajando la duplicidad de código de 4.8% a 3.5%, de 31 bloques duplicados a 9, una deuda técnica de 6.3% a 1.3%. Asimismo, es necesario repetir Scrum-CA en otros proyectos para generar un estándar.
2021-07-02T00:00:00ZModelo predictivo basado en Machine Learning para el pronóstico de deserción a la vacunación contra el virus del papiloma humano (VPH)Marroquin Marroquin, Urlish Kleyberhttp://hdl.handle.net/20.500.12840/43362021-11-04T17:30:09Z2021-02-22T00:00:00ZModelo predictivo basado en Machine Learning para el pronóstico de deserción a la vacunación contra el virus del papiloma humano (VPH)
Marroquin Marroquin, Urlish Kleyber
En la actualidad, una de las enfermedades que está causando gran cantidad de muertes en Perú, es el cáncer de cuello uterino ocasionado por el virus del papiloma humano (VPH), sin embargo, gracias a la aplicación de la vacuna contra esta enfermedad se puede prevenir y proteger por ciertas cepas del VPH. El estudio consistió en la elaboración de un modelo predictivo utilizando Machine Learning para el pronóstico de deserción en la vacunación contra el VPH en niñas del grupo etario de 9 a 13 años de edad. Los datos que se utilizaron proceden del “Sistema de vacunación contra el VPH” del Ministerio de Salud del Perú (Minsa). La metodología consistió en desarrollar cuatro modelos de aprendizaje supervisado: Decision Tree Classifier, Random Forest Classifier, Extra Trees Classifier y Extreme Gradient Boosting con la intención de comparar los resultados y elegir al modelo que presente mejor desempeño para su respectiva calibración y poder ser utilizado a través de una interfaz gráfica. Los resultados demostraron que el mejor modelo de aprendizaje fue Random Forest Classifier, con un Accuracy Score 63.6140%, AUC de 63.6183%, precisión de 64%, Recall de 63% y F1-score de 63%; esto indica que el modelo clasifica el 64% de los casos como niñas que desertan a la vacunación contra el VPH.
2021-02-22T00:00:00Z