Tesis EP Ingeniería de Sistemas

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/125

Browse

Browsing Tesis EP Ingeniería de Sistemas by browse.metadata.advisor "Delgadillo Avila, Rosa Sumactika"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Implementación de una metodología basada en Deep Learning para el diagnóstico de cáncer de mama
    (Universidad Nacional Mayor de San Marcos, 2023) Arteaga Bonelli, Sergio Raúl; Silva Campos, Robert Alessandro; Delgadillo Avila, Rosa Sumactika
    Implementa una metodología basada en Deep Learning para el diagnóstico de cáncer de mama, la cual consta de una serie de fases: el preprocesamiento de imágenes mamográficas de los datasets públicos mini-MIAS y mini-DDSM para eliminar el ruido; el aumento del conjunto de datos mediante el uso de la librería Augmentor Python; la puesta en marcha de los modelos de red neuronal convolucional utilizando arquitecturas denominadas EfficientNetB5, EfficientNetB6 y EfficientNetB7; y, por último, el uso de una red neuronal densa que recibe como entradas las probabilidades obtenidas de cada modelo de red, y devuelve como salidas las probabilidades que tiene una imagen mamográfica de ser maligno y benigno. El modelo implementado alcanzó una sensibilidad de 99.86%, especificidad de 99.90% y precisión de 99.75%.
  • Thumbnail Image
    Item
    Predicción en línea del abandono de carrito de compras de un cliente en el sitio web de un e-commerce con técnicas de machine learning
    (Universidad Nacional Mayor de San Marcos, 2023) Calderon Mendoza, Benjamin; Delgadillo Avila, Rosa Sumactika
    Construye un sistema predictor que emplee modelos predictivos para predecir el abandono del carrito de compras, esto es, predecir “n” minutos después de que el cliente entró a la página web del e-commerce, si el cliente realizará o no la compra de sus productos. El abandono del carrito de compras es un problema muy común que genera pérdidas potenciales a los e-commerce, quienes hoy en día son la nueva forma de comercio. En esta investigación se propone el uso de 3 técnicas de Machine Learning: Extreme Gradient Boosting Machine, AdaBoost y Bagging; para la predicción del abandono de carrito de compras de forma online en la página web de un e-commerce dedicado a la venta de libros, prediciendo la intención del cliente antes que termine su sesión. Para ello, el sistema predictor implementa las técnicas mencionadas y predice el abandono o no del carrito a través de un proceso de votación de los predictores, siendo el resultado final del sistema lo que la mayoría de predictores decida. El sistema es implementado a manera de un servicio web para que la página web pueda consultar la predicción en tiempo real y brinde oportunidad a la empresa de realizar acciones de marketing que convenza al cliente de no abandonar y efectuar la compra de sus productos. Finalmente basándose en la métrica de recall se compara los resultados obtenidos de cada uno de los modelos predictivos contra los resultados obtenidos por el sistema de predicción online, obteniendo el sistema un valor de 0.9443 mejor que los resultados obtenidos por los modelos.