Especialización en Big Data e Inteligencia de Negocios CU (Colección Custodia)
Permanent URI for this collectionhttp://repository.ucatolicaluisamigo.edu.co/handle/20.500.14.531/3659
Browse
Recent Submissions
Item Sistema central de consulta de datos de clientes entre cooperativas para apertura de productos financieros usando técnicas de clusterización(Universidad Católica Luis Amigó, 2024) Zapata Restrepo, Johan Sebastian; Torres, Ingrid Durley; Gil, VictorEste trabajo de grado se basa en la segmentación de los clientes con productos de ahorro y crédito de una cooperativa financiera con el fin de impulsar una captación mayor de clientes a través de una oferta más adecuada de productos relacionados con en el mundo del Open Finance, logrando mejorar sus ingresos y base social. Se implementa la metodología de CrisDM para el desarrollo analítico propuesto, el cual se basa en un modelo no supervisado de segmentación de clientes bajo la técnica de clusterización(K-MEANS), esto con el fin de conocer relaciones entre los clientes y los productos que más utilizan dentro de esta cooperativa. La arquitectura se diseña bajo componentes y herramientas que ayudan al procesamiento y análisis de la información, bajo las políticas y estructura que posee la cooperativa, generando valor en la disponibilidad, integridad y calidad de la información. Se espera lograr con esto una ventaja competitiva en el mercado basado en nuevas tecnologías de la información que permite la revolución 4.0, basada en ecosistemas de datos abiertos y exposición de nuevas formas de generar mercado en el mundo digital.Item Análisis de sentimientos y de minería de texto aplicado a la narrativa sobre la guerra entre Ucrania y Rusia en la prensa colombiana. 2014- 2024(Universidad Católica Luis Amigó, 2024) Berrío Meneses, Carlos Mario; Torres Pardo, Ingrid DurleyTras el inicio de las hostilidades entre Rusia y Ucrania desde el 2014, ambos países han desarrollado narrativas opuestas que pretenden justificar, ante su población y la comunidad internacional, sus actuaciones políticas y militares. Este trabajo pretende descubrir cuál de estas narrativas ha impactado más el discurso de los medios de comunicación escritos en Colombia y para ello se ha acudido a la metodología CRISP-DM por la fiabilidad que ofrece en el ámbito de la minería de datos. Después de comprender el fenómeno geopolítico, se ha acudido a analizar los cinco periódicos digitales con mayor reputación en Colombia, según el SCImago Media Rankings. Se han recopilado las noticias que involucran las palabras claves “Rusia” y “Ucrania” desde febrero del 2014, cuando se inician las hostilidades, hasta el 26 de octubre de 2024, día en que se cerró la muestra por asuntos prácticos. Las noticias han sido recopiladas a través de web scraping usando Python y sobre ellas, se ha realizado un análisis de Minería de Texto acompañado de las técnicas de Análisis de Sentimientos. La investigación concluye que Ucrania solo ha sido narrada en la prensa colombiana a partir de la guerra con Rusia, pues las noticias que involucran a este país y no se relacionan con la guerra son prácticamente inexistentes. Además, los periódicos analizados acuden a sentimientos extremos cuando construyen la imagen de los presidentes de ambas naciones, por lo que el sentimiento neutral poco aparece en este tipo de noticias. Tanto las noticias de Volodímir Zelenski, presidente de Ucrania, como las de Vladimir Putin, presidente de la Federación de Rusia, tienen sentimientos muy negativos. Sin embargo, el primero se destaca sobre el segundo en que las noticias que lo retratan lo hacen con sentimientos ligeramente más positivos.Item Construcción de un modelo para la predicción de ventas en la compañía comercializadora Inducascos(Universidad Católica Luis Amigó, 2024) Álzate Vélez, David Santiago; Rubio Álvarez, Isabel Cristina; Torres Pardo, Ingrid DurleyEste proyecto de intervención empresarial tiene como objetivo desarrollar un modelo predictivo de ventas que aborde las problemáticas previamente identificadas dentro de la compañía. La metodología utilizada se basa en el modelo CRISP-DM, y los objetivos específicos se definieron a lo largo de sus distintas fases. Para ello, se recopiló una base de datos con 52,364 registros de ventas mensuales de diversas marcas de la empresa. A partir de esta información, se construyeron y evaluaron varios modelos de series temporales, incluyendo ARIMA, ETS y LSTM. Tras la evaluación de los modelos utilizando métricas como ME, RMSE y MAE, se concluyó que el modelo ARIMA fue el que mejor ajustó los datos del negocio y ofreció las predicciones más precisas. Además, para validar este modelo, se realizó el pronóstico de ventas para dos marcas adicionales proporcionadas en el conjunto de datos original. Como resultado final, se entregó a la compañía las proyecciones de ventas para el período de octubre de 2024 a abril de 2025 para las marcas X1, X4 y X4_PRO. Adicionalmente , se dan recomendaciones de trabajos futuros a realizar a partir de este proyecto de investigación.Item Construcción de un modelo predictivo para la asignación de tareas a equipos de trabajo del sector tecnológico(Universidad Católica Luis Amigó, 2024) Alvarez Arbelaez, Cindy Vanessa; Quintero Riaño, Laura Isabel; Parra Molina, Maicol Steven; Torres Pardo, Ingrid DurleyLa asignación de tareas a los equipos de trabajo del sector tecnológico es un factor crucial para optimizar la productividad y el desempeño organizacional, los modelos predictivos basados en técnicas de aprendizaje supervisado ofrecen una solución prometedora para abordar esta actividad, generando eficiencia, entregas oportunas y un equilibrio de equipo. En el caso de estudio presentado se construyó un modelo predictivo para la asignación de tareas a los equipos del área de tecnología, aplicando machine learning (ML) y técnicas de clasificación, aprovechando datos históricos de la compañía en cuanto al personal con las variables relevantes. Para el desarrollo del trabajo se aplicó la metodología CRISP-DM para recopilar, preparar y modelar los datos históricos y relevantes de los equipos de trabajo. Se utilizaron algoritmos de clasificación supervisados (Árboles de Decisión, K- Vecinos Cercanos (KNN), Máquinas de Vectores de Soporte (SVM), y Regresión Logística) para crear los modelos predictivos. El modelo SVM obtuvo las métricas de precisión más altas (53%), demostrando su capacidad para predecir la asignación de tareas con mayor precisión que los otros modelos. Además, los modelos lograron identificar variables que influyen en la capacidad ocupacional de los equipos, como la experiencia y el tipo de tarea. La evaluación del modelo SVM revelo que la mayoría de las predicciones fueron correctas, pero aún había margen de mejora. Los resultados obtenidos indican viabilidad del modelo, pero invitan a la compañía a recopilar más datos y considerar factores adicionales como económicos, emocionales entre otros, para mejorar el rendimiento del modelo.Item Modelado de tópicos aplicado al análisis del papel del aprendizaje automático en revisiones sistemáticas.(Universidad Católica Luis Amigó, 2021-11-24) Figueroa Vallejo Carlos Julio; Grisales Aguirre Andrés MauricioEl presente informe final está enfocado en apoyar y facilitar el proceso de evaluación de los compromisos adquiridos, mediante la evidencia del proceso de formación bajo la modalidad en investigación articulado a un proyecto de investigación, lo que facilita conocer el cumplimiento total de los resultados esperados. Es así que se constituye en una importante fuente de información sobre el estado final y el impacto de las actividades de formación en investigación que se realizan en la Universidad Católica Luis Amigó, apoyados por los Grupos de Investigación respectivos.Item Static Code Analysis: A tree of science review(Univeridad Católica Luis Amigó, 2022) Ruíz Montaño, Gustavo Adolfo; Robledo Giraldo, Sebastián; Robledo Giraldo, SebastiánEl propósito de este artículo es caracterizar la producción científica de la Universidad Católica Luis Amigó para entender su evolución y desempeño. Los datos se obtendrán a partir de las páginas de los grupos de investigación y la información disponible en la web como el google scholar de los investigadores. Los resultados obtenidos mostrarán la importancia de las ciencias sociales en la producción científica de la Universidad. El análisis de código estático (SA) es el proceso de encontrar vulnerabilidades en el software. Este proceso se ha vuelto popular y una de las fases más evaluadas en el proceso de integración continua de software. Sin embargo, la literatura se encuentra dispersa en diferentes propuestas y faltan investigaciones que muestran las principales contribuciones y aplicaciones a este tema. El propósito de este artículo es identificar las principales contribuciones conceptuales de SA utilizando el algoritmo Tree of Science. Los resultados muestran tres ramas principales de esta área: aprendizaje automático para la detección de olores, técnicas de clasificación accionables y herramientas de alerta técnica. La Inteligencia Artificial ha estado transformando SA y los programadores tendrán acceso a herramientas más sofisticadas.Item Tendencias de la inserción al mundo laboral: Un análisis desde la visualización de datos(Universidad Católica Luis Amigó, 2022) Espinosa Villa, Leidy Marian; Alzate Montoya, Paola Marcela; Grisales, Andrés MauricioLa visualización de datos es un área de estudio importante para entregar de forma gráfica la comprensión y la sensibilización obtenida a través de los datos. Durante este trabajo de investigación se analizó la base de datos obtenida a partir de una encuesta realizada a los graduados, identificando las variables primarias y secundarias de acuerdo a preguntas orientadoras originadas desde la inteligencia de negocios. Los datos fueron tratados aplicando Power Bi y analizadas relacionando las variables de estudio.