4 resultados
Resultados de la búsqueda
Mostrando 1 - 4 de 4
Ítem Clasificación de la Prioridad de Atención a Reclamos Presentados por Clientes Utilizando Machine Learning(Universidad Peruana Unión, 2019-12-02) Aliaga Ancco, Joselin Jimena; Chahuara Flores, Lesly; Sánchez Garcés, Jorge AlejandroEn esta investigación se evalúa el desempeño del árbol de decisión, los árboles de decisión son un modelo de clasificación utilizado en la inteligencia artificial, cuya principal característica es su aporte visual a la toma de decisiones. En el dataset se tiene un registro de 706 reclamos de los usuarios que usan los servicios de telecomunicaciones, estos reclamos al no ser solucionados generan pérdidas de clientes, la automatización de clasificación e identificación de los reclamos reduce carga a los trabajadores. Se busca determinar la pertinencia del árbol de decisión, es decir, si puede ser una herramienta de apoyo para la predicción de la prioridad del reclamo.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 Algoritmos de machine learning en la identificación de competencias académicas: Una revisión sistemática de la literatura(Universidad Peruana Unión, 2020-12-21) Romero Condor, Carlos Jonathan; Saboya Rios, NemiasLa alta competitividad laboral en diversos sectores de la industria son un motivo de preocupación de diversas instituciones educativas, las cuales buscan perfilar a sus egresados en base a un conjunto de competencias que el área profesional del estudiante requiere. La metodología aplicada para la revisión sistemática de la literatura (RSL) se divide en cuatro etapas: la elaboración de las preguntas de investigación y bibliométricas a partir de una plantilla GQM (Goal, Question Metric), la elaboración de términos y conectores lógicos, formulación de criterios de inclusión y exclusión para la búsqueda avanzada en repositorios digitales y por último, la evaluación de los criterios de calidad. En los resultados, se encontró que el modelo de red neuronal más frecuentemente utilizado es el Deep Neural Network (DNN), el tipo de aprendizaje más común es el Aprendizaje Supervisado y el algoritmo de machine learning más utilizado es el Backpropagation (BP); asimismo, se respondieron las preguntas bibliométricas de donde se observó que existe un interés equilibrado por este estudio entre los años 2017 hasta el 2019.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].