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 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.