Implementación de Machine Learning (ML) para clasificación de PQRSF con minería de texto en el área de atención al usuario de la Universidad Católica Luis Amigó

dc.contributor.advisorGiraldo Mejía, Juan C.
dc.contributor.advisorGiraldo Mejía, Juan C.
dc.contributor.authorGómez Sepúlveda, Daniela
dc.contributor.authorJiménez Villa, Lisbed
dc.contributor.authorRivera Delgado, Luis A.
dc.date.accessioned2023-10-21T17:27:31Z
dc.date.available2023-10-21T17:27:31Z
dc.date.issued2022
dc.description.abstractEste trabajo de grado está enfocado en agilizar la clasificación de las PQRSF de la Universidad Católica Luis Amigó donde se reciben alrededor de 5428 solicitudes por semestre de los cuales, se transfieren alrededor de 1300, se vencen 200, se cierran 4030, y se reabren al menos 30, de acuerdo con el nivel de servicio (SLA), la atención oportuna de estas solicitudes está definida en 24 horas para los casos de consultas de información y 48 horas para los que requieren escalar la consulta con las diferentes áreas, pero se tienen momentos picos que desbordan la capacidad y generan retrasos, para lo cual se plantea atender esta demanda implementando un sistema que permita la clasificación de las solicitudes para agilizar el servicio. Bajo este contexto de la investigación se orientó en la implementación en Machine Learning para la clasificación de PQRSF con minería de texto bajo el marco de referencia de la metodología CRISP-DM y se centra en la aplicación de varias técnicas de Machine Learning para seleccionar la técnica con mejores resultados, que permita analizar y clasificar las diferentes solicitudes a través de sus de texto en las categorías de las PQRSF. Además, la investigación en este campo también se enfoca en la implementación de un modelo Machine Learning donde se carga el aprendizaje al modelo para realizar la clasificación casos simulados de la PQRS desarrollados bajo un escenario de un usuario posible.spa
dc.format.extent67 p.spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttp://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/2017
dc.language.isospaspa
dc.publisherUniversidad Católica Luis Amigóspa
dc.publisher.facultyEscuela de Posgradosspa
dc.publisher.placeMedellínspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonshttps://creativecommons.org/licenses/by/4.0/spa
dc.rights.urihttps://creativecommons.org/licenses/by-nd/4.0/spa
dc.sourceUniversidad Católica Luis Amigóspa
dc.sourceRI-UCLAspa
dc.subjectClasificaciónspa
dc.subjectMineria de textospa
dc.subjectBig dataspa
dc.subjectMachine Learningspa
dc.subject.armarca
dc.subject.keywordPQRSFspa
dc.subject.keywordCRISP-DMspa
dc.subject.keywordMachine Learningspa
dc.subject.keywordText Miningspa
dc.subject.keywordlevel of service (SLA)spa
dc.subject.proposalPQRSFspa
dc.subject.proposalCRISP-DMspa
dc.subject.proposalMachine Learningspa
dc.subject.proposalMinería de Textospa
dc.subject.proposalNivel de servicio (SLA)spa
dc.titleImplementación de Machine Learning (ML) para clasificación de PQRSF con minería de texto en el área de atención al usuario de la Universidad Católica Luis Amigóspa
dc.type.coarhttp://purl.org/coar/resource_type/c_1843spa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
thesis.degree.disciplineEscuela de posgrados. Especialización en Big Data e Inteligencia de Negocios.spa
thesis.degree.grantorUniversidad Catolica Luis Amigospa
thesis.degree.levelEspecializaciónspa
thesis.degree.nameEspecialista en Big Data e Inteligencia de Negocios.spa

Files

Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
ME-CD-658.514_G633_2023.pdf
Size:
1.46 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
256.04 KB
Format:
Adobe Portable Document Format
Description:
responsive footer design codepen