Browsing by Author "Reinoso Cueva, Diego Alexander"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    “Desarrollo de un sistema informático para la gestión de la documentación histórica del rectorado de la Universidad Técnica de Cotopaxi aplicando Isad (g) y .net”
    (Ecuador : Latacunga: Universidad Técnica de Cotopaxi (UTC), 2023) Orellana Cabrera, Dennis Samuel; Reinoso Cueva, Diego Alexander; Quisaguano Collaguazo, Luis René
    En la actualidad cualquier institución, organización o entidad, sea esta pública o privada, manejan gran cantidad de información, la cual es guardada y evidenciada a través de la documentación, esto a la larga representa un aspecto importante para la mejora, hablando a nivel educativo más específico en universidades, existe una necesidad donde la administración y conservación de los documentos tienden a ser de total interés, puesto que, estos constan de una estructura orgánica funcional, donde cada departamento y área tiene clasificado de manera distinta sus archivos, en la mayoría de ocasiones se organiza incorrectamente o aún peor se mantienen procesos de manera física. Para ello se hace mención del término gestión documental que facilita el control efectivo y sistemático sobre la creación, recepción, mantenimiento, uso y eliminación de documentos, evitando la pérdida de información, pérdida de tiempo y asegurándola. Por lo tanto, el proyecto se centra en desarrollo de un sistema informático para la gestión de la documentación histórica del rectorado de la Universidad Técnica de Cotopaxi aplicando la norma de clasificación archivística ISAD (g) y la tecnología de desarrollo .NET.
  • No Thumbnail Available
    Item
    Tendencias en la gestión de facturación para ACEROTRANS.S.A en 2024: Un enfoque práctico aplicando técnicas de Inteligencia Artificial
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2024-09-01) Reinoso Cueva, Diego Alexander; Bedón Salazar, Edison Patricio
    La integración del Machine Learning y el desarrollo de aplicaciones informáticas, está en constante evolución debido a que mejoran la capacidad para gestionar eficazmente requerimientos de una empresa u organización y a la vez apoyar a la toma de decisiones informadas. La predicción de tendencias en facturación de transportistas de Acerotrans a partir de datos históricos con la finalidad de evaluar cómo se pueden tomar decisiones anticipadas. Recopilar datos históricos, seguidos por el uso de técnicas de Machine Learning para implementar algoritmos de regresión. Se aplicaron procesos ETL para subida masiva de datos y técnicas de BI para que la información se visualice mediante reportes gráficos. Todos estos métodos forman parte de las fases de KDD. Los algoritmos de regresión se encargarán de entrenar, agrupar y predecir la facturación, lo que permitió hacer un análisis sobre los datos originales y los datos predichos a fin de evaluar el comportamiento y ajuste del modelo. La integración de la inteligencia artificial, inteligencia de negocios y el desarrollo Web es vital para que un sistema informático se adapte a cambios y necesidades del usuario. La predicción de tendencias en base a datos históricos es esencial para anticiparse a eventos futuros, por lo que el volumen de datos debe ser considerable.