Artículos - Maestría en Ciencias de Datos

Permanent URI for this collection

https://repositorio.utc.edu.ec/handle/123456789/12843

Browse

Browsing Artículos - Maestría en Ciencias de Datos by Subject "INTELIGENCIA ARTIFICIAL"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Evaluación del Estado Emocional de los empleados de la empresa FenixCorp-ADS mediante el uso de Machine Learning.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UT, 2024-12) Tello Oña, Yomara Elizabeth; Quisaguano Collaguazo, Luis René
    Artificial Intelligence (AI) is currently booming, not only in industrial processes, but also in fields related to activities that contribute to the development of organizations and human knowledge. Machine Learning is contained within the computational context of AI, divided into three main approaches: Supervised Machine Learning (AAS), Unsupervised Machine Learning and Reinforcement Learning, which are techniques and algorithms capable of “learning and reasoning” by simulating the human brain, and allows classifying and predicting the behavior of the data supplied to the chosen model, through the use of the SciKit-Learn library and other Python tools, a programming language widely used in data analysis and sentiment analysis, another tool for extracting information based on subjective opinions. Emotional State (ES) is a conscious and unconscious reaction in response to a specific stimulus at a specific time or situation that individuals have. In order to establish a possible relationship with the work performance of employees and the talent drain of the company FenixCorp-ADS, a questionnaire was developed via Web and the classification and prediction algorithms of supervised and unsupervised machine learning were chosen, which allowed to develop a comparative analysis to determine the most efficient model of sentiment analysis performed, contributing in its application in a more continuous way by business organizations in order to use it to automate these processes.
  • No Thumbnail Available
    Item
    Optimización de la planificación del sílabo en la Universidad Técnica de Cotopaxi mediante Inteligencia Artificial Generativa: Un enfoque personalizado basado en Llama 2 (Large Language Model Meta AI)
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-03-27) Chiluisa Gallardo, Juan Diego; Rodríguez Bárcenas, Gustavo
    En la educación superior, una planificación curricular eficiente y personalizada es esencial para garantizar la calidad del proceso de enseñanza y aprendizaje. En la Universidad Técnica de Cotopaxi, la elaboración manual de sílabos consume tiempo y recursos significativos y no siempre se adapta a las necesidades específicas de los docentes, afectando negativamente la calidad educativa. Desarrollar e implementar un sistema automatizado basado en el modelo de lenguaje LLAMA 2 (Large Language Model Meta AI) para optimizar la planificación curricular mediante la generación de sílabos personalizados. La metodología incluyó la recopilación y transformación de planificaciones curriculares previas para su procesamiento por LLAMA 2, ejecutando cinco experimentos con complejidad creciente y evaluando la precisión. Se utilizó la herramienta Pandas AI para el análisis de datos y la técnica de Recuperación Aumentada por Generación (RAG) para enriquecer la generación de sílabos. Los resultados mostraron una precisión del 92,5% en las recomendaciones generadas, representando una mejora significativa respecto a los métodos tradicionales. La implementación del sistema automatizado basado en LLAMA 2 demostró mejorar significativamente la eficiencia y precisión en la generación de sílabos personalizados, optimizando la planificación curricular y contribuyendo a mejorar la calidad educativa.