Maestría en Ciencias de Datos

Permanent URI for this community

https://repositorio.utc.edu.ec/handle/123456789/12841

Browse

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

Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Aplicación de inteligencia artificial para la detección de anomalías y corrección automática de kardex en la gestión de inventarios, como base para la predicción de ganancias por producto en QuipuSoft, Latacunga.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-06-03) Guanotuña Rodríguez, Edison Javier; Cadena Moreano, José Augusto
    Este trabajo de titulación tiene como objetivo desarrollar una solución basada en inteligencia artificial (IA) para optimizar la gestión de inventarios en las microempresas y medianas empresas (PYMES) del Ecuador. Esto se logrará mediante la detección automática de anomalías y la corrección de kardex de inventario en el sistema Makipos, que utiliza la empresa QuipuSoft. La propuesta busca mejorar la precisión de los registros, reducir errores humanos y ofrecer herramientas más eficientes para la toma de decisiones comerciales. La metodología empleada utiliza algoritmos de IA como Isolation Forest y One-Class SVM para identificar anomalías, y Random Forests para predecir ganancias por producto. El entrenamiento del modelo resultó en una precisión del 99.9 %, usando datos históricos de ventas, compras y movimientos de inventario. La solución se creará usando una interfaz de programación de aplicaciones REST, que se desarrollará con Django Rest Framework. También se incluirán microservicios hechos con Node.js y Hapi.js, lo que asegurará una integración óptima en el sistema actual. El objetivo de este estudio es el descubrimiento de evidencias iniciales y progresos destacables en la exactitud del registro de inventarios y en la eficacia en la gestión de datos históricos
  • No Thumbnail Available
    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 (UTC), 2024-11-10) Tello Oña, Yomara Elizabeth; Quisaguano Collaguazo, Luis René
    La Inteligencia Artificial (IA) tiene hoy en día un gran auge, no solo en los procesos industriales, sino también, en campos relacionadas con las actividades que contribuyen al desarrollo de las organizaciones y del conocimiento humano. El Aprendizaje Automático se encuentra contenida dentro del contexto computacional de la IA, divida en tres grandes enfoques: Aprendizaje Automático Supervisado (AAS), Aprendizaje Automático No Supervisado y el Aprendizaje por Reforzamiento, que son técnicas y algoritmos capaces de “aprender y razonar” simulando al cerebro humano, y permite clasificar y predecir el comportamiento de los datos suministrado al modelo elegido, mediante la utilización de la biblioteca SciKit-Learn y otras herramientas de Python, lenguaje de programación muy utilizado en el análisis de datos y el análisis de sentimiento, otra herramienta para la extracción de información en base de opiniones subjetivas. El Estado Emocional (EE) es una reacción consiente e inconsciente como respuesta a un estímulo específico en un momento o situación que tiene los individuos. Con el fin de establecer una posible relación con el desempeño laboral de los empleados y la fuga de talento de la empresa FenixCorp-ADS, se elaboró un cuestionario vía Web y se eligieron los algoritmos de clasificación y predicción de aprendizaje automático supervisado y no supervisado que permitió elaborar un análisis comparativo para determinar el modelo más eficiente de los análisis de sentimientos efectuados, contribuyendo en su aplicación de forma más continua por las organizaciones empresariales a modo de su aprovechamiento para automatizar estos procesos.
  • 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.