Doctorado Facultad de Ingeniería de Sistemas e Informática

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/129

Browse

Browsing Doctorado Facultad de Ingeniería de Sistemas e Informática by Subject "Aprendizaje automático (Inteligencia artificial)"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Modelo de predicción basado en aprendizaje automático para la explicabilidad del riesgo de accidente vehicular por conducta de manejo
    (Universidad Nacional Mayor de San Marcos, 2025) Lacherre Vargas, Javier Enrique; Rodriguez Rodriguez, Ciro
    Este estudio tiene como objetivo desarrollar un modelo de predicción basado en aprendizaje automático para explicar el riesgo de accidentes vehiculares en vehículos pesados del sector minero, específicamente en carreteras rurales. Con datos de telemetría recolectados en tiempo real, se busca identificar patrones de comportamiento del conductor y condiciones del vehículo que logren predecir accidentes en tiempo real. Se usa un modelo ensamblado, que combina varios algoritmos de aprendizaje automático, con el fin de mejorar la exactitud y sensibilidad en la predicción de los riesgos. El estudio se estructura en tres fases principales. Primero, se lleva a cabo un estudio naturalista que recolecta datos de telemetría de vehículos pesados en operaciones mineras en carreteras rurales. En segundo lugar, se desarrolla y valida un modelo de predicción que combina modelos individuales para optimizar los resultados y lograr un equilibrio entre exactitud, sensibilidad y capacidad explicativa. Por último, se evalúa el modelo con un conjunto de datos independientes, y se demuestra que mantiene altos niveles de exactitud y fiabilidad. Los resultados obtenidos muestran que el modelo propuesto puede identificar de manera efectiva los riesgos de accidentes en función de 15 características del comportamiento del conductor. Además, el estudio confirma que un modelo ensamblado mejora significativamente los resultados en comparación con modelos individuales. Este enfoque está desarrollado para el sector minero, pero podría extenderse a otros sectores del transporte pesado. Por lo tanto, el estudio proporciona un modelo innovador para mejorar la seguridad vial y reducir el riesgo de accidentes en carreteras rurales.
  • No Thumbnail Available
    Item
    Modelo de predicción de deserción de clientes de servicio postpago de telefonía móvil en empresas de telecomunicaciones
    (Universidad Nacional Mayor de San Marcos, 2025) Freire Vera, David Andres; Rodriguez Rodriguez, Ciro
    El sector de telecomunicaciones ha experimentado un crecimiento exponencial desde el año 2000, alcanzando 5.31 billones de usuarios hasta el 2022 y generando ingresos de 1.07 trillones de dólares, sin embargo, este crecimiento conduce a una intensa competencia entre las empresas para la adquisición de clientes, especialmente en servicios móviles, lo que a menudo resulta en una deserción de clientes "churn". Por ello, se vienen desarrollando múltiples investigaciones que presentan algoritmos de predicción, que ayuden a tomar acciones con antelación para evitar la fuga de clientes, sin embargo, no existe homogeneidad entre las variables utilizadas en el conjunto de datos, el diseño de pasos para obtención del modelo y su comprobación, por lo cual el objetivo de esta investigación consiste en determinar cómo contribuye el uso del modelo de aprendizaje automático a la predicción de la deserción de clientes postpago en empresas de telecomunicaciones, considerando las variables del conjunto de datos (pertenecientes o no al sector de telecomunicaciones), el diseño del modelo y su validación a través de técnicas como la validación cruzada, prueba t de Student y el test de McNemar, demostrando con un p-value cercano a 0 que el modelo supera significativamente a los modelos base, y alcanzando un F1 score de 84% y un recall de 74%. El estudio concluye que el uso de aprendizaje automático contribuye significativamente a predecir la deserción de clientes, proponiendo mejoras en la integración de datos externos y exploración de nuevas técnicas de ensamblaje. La implementación del modelo puede extenderse a otros sectores, sugiriendo incluir variables macro y microeconómicas para una visión más completa del cliente.