Tendencias en la gestión de facturación para ACEROTRANS.S.A en 2024: Un enfoque práctico aplicando técnicas de Inteligencia Artificial
| dc.contributor.advisor | Bedón Salazar, Edison Patricio | |
| dc.contributor.author | Reinoso Cueva, Diego Alexander | |
| dc.date.accessioned | 2025-11-21T14:41:45Z | |
| dc.date.available | 2025-11-21T14:41:45Z | |
| dc.date.issued | 2024-09-01 | |
| dc.description.abstract | 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. | |
| dc.format.extent | 71 páginas | |
| dc.identifier.citation | Reinoso Cueva, D. A., & Bedón Salazar, E. P. (2024). Tendencias en la gestión de facturación para ACEROTRANS.S.A en 2024: Un enfoque práctico aplicando técnicas de Inteligencia Artificial: Un enfoque práctico aplicando técnicas de Inteligencia Artificial. Tesla Revista Científica, 4(2), e395. https://doi.org/10.55204/trc.v4i2.e395 | |
| dc.identifier.other | UTC-POS-MCDA-2025-005-ART | |
| dc.identifier.uri | https://doi.org/10.55204/trc.v4i2.e395 | |
| dc.language.iso | es | |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC) | |
| dc.subject | DESARROLLO WEB | |
| dc.subject | MACHINE LEARNING | |
| dc.subject | BI | |
| dc.title | Tendencias en la gestión de facturación para ACEROTRANS.S.A en 2024: Un enfoque práctico aplicando técnicas de Inteligencia Artificial | |
| dc.type | Article |