EP Computación Científica

Permanent URI for this communityhttps://hdl.handle.net/20.500.12672/5099

Browse

Browsing EP Computación Científica by Subject "Algoritmos"

Filter results by typing the first few letters
Now showing 1 - 5 of 5
  • No Thumbnail Available
    Item
    Aplicación de algoritmos de Machine Learning en la deserción parcial en una universidad privada
    (Universidad Nacional Mayor de San Marcos, 2023) Romero Linares , Elena Geraldine; Guzmán Rea, Omar Stevenson
    El presente trabajo se enfoca en la predicción parcial del primer ciclo relativo del alumno de las carreras de Ingenierías y Ciencias, ya que en este ciclo es donde se encuentra la mayor cantidad de alumnos que pueden repetir sus asignaturas. En muchos casos el alumno puede llegar a repetir una asignatura más de 2 veces. La detección a tiempo puede ayudar que otras áreas que brindan servicios al alumno los puedan atender a tiempo y evitar una posible deserción al siguiente periodo o definitiva. Para realizar la predicción se realiza primero el análisis de los datos, donde el autor se ayuda a crear campos que se pueda obtener un mejor algoritmo, posterior a ello se realiza el tratamiento de los datos donde se quitará los valores nulos y columnas que no son necesarias, como penúltimo paso se realiza la predicción con los algoritmos de machine Leaning y finalmente una comparativa de métricas, para la elección del mejor algoritmo.
  • Thumbnail Image
    Item
    Aplicación del método de ítems divisibles para el problema de cortes de valores unidimensionales
    (Universidad Nacional Mayor de San Marcos, 2021) Quispe Mitma, Julio Leonardo; Benito Pacheco, Oscar
    En este trabajo se busca explicar el problema de corte de valores unidimensionales, informando sobre los antecedentes históricos sobre investigaciones del tema, para posteriormente pasar con el fundamento matemático del problema clásico de cortes unidimensionales y del problema de cortes de valores unidimensionales con items divisibles. Para verificar la efectividad de esta aplicación heurística, se procederá a comparar con otros métodos para verificar el tipo de eficiencia que se puede obtener con esa implementación. Para poder hacer la comparación, se procederá con una descripción del funcionamiento de los programas usados y una evaluación de los puntos fuertes de cada implementación. Se tiene que para este caso el stock a cortar es del mismo tamaño y se tiene una cantidad infinita del mismo. Posteriormente se darán recomendaciones para posibles investigaciones a futuro.
  • Thumbnail Image
    Item
    Comparación de modelos de Machine Learning para determinar qué modelo se aproxima más a una asignación manual en ServiceDesk
    (Universidad Nacional Mayor de San Marcos, 2023) Paullo Montes, Flor de Milagro; Guzman Rea, Omar Stevenson
    Realiza una comparación de algoritmos de aprendizaje automático para categorizar automáticamente los tickets del ServiceDesk debido al enorme número generado. Esto se debe a un problema con el tiempo necesario para generar tickets (solicitudes, incidentes y requerimientos). Mediante la utilización de tecnologías de aprendizaje automático que permiten la asignación automatizada de grupos de soluciones de proveedores que atienden a empresas de alto consumo, el modelo sugerido pretende mejorar el procedimiento de designación de tickets del ServiceDesk. Para la verificación se utilizaron los datos de los tickets de la empresa y se realizaron pruebas para validar el modelo. Los datos recopilados se utilizaron para construir un modelo de aprendizaje automático que proporcionó los datos necesarios para clasificar los tickets en varios grupos de soluciones (SupportMG, SupportDevmente, SupportTI y ProjectsTI) y categorizarlos en función del tipo.
  • Thumbnail Image
    Item
    Predicción de fechas óptimas para la evaluación de tizón tardío de papa usando algoritmos de árboles de decisión y bosques aleatorios
    (Universidad Nacional Mayor de San Marcos, 2015) Benites Alfaro, Omar Eduardo; Montoro Alegre, Edinson Raúl
    Manifiesta el uso de algoritmos de árboles de decisión y bosques aleatorios como instrumentos matemáticos y estadísticos-heurísticos para la predicción de fechas óptimas en evaluación de tizón tardío. Dichos algoritmos utilizan los índices de ganancia de información (entropía de la información) y los índices de Gini para ajustar al máximo la predicción. Para el desarrollo y análisis de los resultados de los árboles de decisión se utilizan las implementaciones conocidas como C4.5 y CART; mientras que para los bosques aleatorios se emplea RandomForest.
  • Thumbnail Image
    Item
    Simulación del uso del algoritmo de Karmarkar para minimizar costos de una red de transporte mediante Matlab
    (Universidad Nacional Mayor de San Marcos, 2021) Ferrer Adriano, Miguel Angel; Vásquez Serpa, Luis Javier
    En el presente trabajo, se elaboró un modelo matemático aplicado a una red de transporte, utilizando el algoritmo de modificado de Karmarkar, publicado en 1986 por R. Vanderbey para resolver programas lineales. La finalidad es obtener una óptima distribución de los viajes de una empresa de transporte interurbano que opera en el sur chico del Perú. Actualmente el proceso de programar los viajes se realiza a juicio de experto y en una hoja de cálculo, generando costos de operación muy altos, es por ello que nos vemos en la necesidad que crear una herramienta que minimice los costos bajo una óptima distribución de los viajes. Finalmente se implementa computacionalmente una interfaz, bajo una data histórica almacenada en un archivo excel, mediante el lenguaje de programación Matlab.