Tesis - Maestría en Sistemas de Información mención en Data Science
Entérate cómo entregar tus trabajos de titulación
Permanent URI for this collection
Browse
Browsing Tesis - Maestría en Sistemas de Información mención en Data Science by Author "Escobar Terán, Charles Edisson"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Open Access 
Desarrollo de un algoritmo basado en redes neuronales para la identificación automática del melanoma mediante el análisis de imágenes(PUCE - Quito, 2025) León Alarcón, José Alberto; Escobar Terán, Charles EdissonEl presente trabajo tiene como propósito la implementación y desarrollo de un algoritmo basado en redes neuronales convolucionales, buscando optimizar la eficiencia y precisión en la identificación del Melanoma. Este incluye la revisión exhaustiva de la literatura para informar sobre el estado actual del campo de estudio, la recopilación y preparación de un banco de datos utilizando algoritmos y técnicas como DullRazor y Unsharp Masking, el diseño e implementación de una arquitectura de CNN adaptada a la detección del Melanoma y la evaluación del modelo propuesto mediante métricas de evaluación.La evaluación del modelo demostró́ un funcionamiento superior en términos de clasificación de imágenes, obteniendo una exactitud del 97.77% en datos de prueba. Además, se reportaron métricas basadas en predicciones como: Precisión, exactitud, Recall, puntuación F1 las cuales obtuvieron valores altamente aceptables. Siendo así, este algoritmo de red neuronal convolucional resultó en una mejora significativa en la eficiencia y precisión del diagnóstico dermatológico.Este proyecto no solo aborda una problemática clave en el diagnóstico del melanoma, sino que también presenta una contribución significativa al área emergente de la ciencia de datos aplicada a la salud. El resultado de este trabajo propiciaría una base para futuras investigaciones y desarrollos en la intersección entre la ciencia de datos y la medicina.Item Open Access Desarrollo de un modelo de análisis de sentimientos enfocado en la encuesta de evaluación docente de una institución educativa superior(PUCE - Quito, 2025) Govea Sotomayor, Jaime Alejandro; Escobar Terán, Charles EdissonEl presente trabajo de titulación aborda el desarrollo, evaluación y comparación de distintos modelos de análisis de sentimientos diseñados específicamente para procesar las respuestas abiertas en las encuestas de evaluación docente de una institución de educación superior. Los modelos desarrollados utilizaron los algoritmos de machine learning Naive Bayes y Random Forest con las técnicas de vectorización Bag of Words y Tf-Idf respectivamente. El tercer modelo se desarrolló utilizando la técnica de vectorización Word2Vec y una arquitectura de una red neuronal recurrente del tipo Long Short-Term Memory. Se aplicó la misma metodología para el entrenamiento de los tres modelos, se realizó un proceso de limpieza, tokenización y lematización de los datos. Luego, se llevó a cabo la vectorización de los datos preprocesados para poder aplicar los algoritmos de clasificación, entrenar los modelos y finalmente evaluarlos sobre un conjunto de datos de prueba. Este enfoque de procesamiento de lenguaje natural posibilita la transformación de datos cualitativos en métricas cuantificables, clasificando automáticamente las opiniones de los estudiantes en tres categorías principales: positivas, negativas y neutras. El objetivo principal de esta investigación es optimizar el proceso de evaluación docente, proporcionando a los coordinadores de carrera una herramienta que reduzca significativamente el tiempo dedicado al análisis de respuestas abiertas. Además, el modelo busca minimizar la subjetividad inherente a la interpretación manual de las evaluaciones, ofreciendo un método más sistemático y objetivo para la valoración del desempeño docente. Los resultados obtenidos demuestran la viabilidad y efectividad del uso de modelos de clasificación para procesar grandes volúmenes de respuestas textuales, proporcionando análisis consistentes y objetivos que facilitan la labor administrativa en la evaluación del personal docente.Item Open Access Minería de datos para el modelado de aprendizaje automático en la resistencia de materiales por la inclusión de fibras naturales. Caso de estudio: Influencia de la inclusión de fibra de abacá en la resistencia a la compresión de limos arenosos, Laboratorio de, Mecánica de Suelos, Pavimentos y Geotécnica de la Pontificia Universidad Católica del Ecuador(PUCE - Quito, 2022) Escobar Terán, Charles Edisson; Melgarejo Heredia, RafaelEl propósito del proyecto es buscar modelos de aprendizaje automático que permitan predecir la influencia de fibras naturales de abacá en la resistencia a la compresión de limos arenosos. Para el efecto, se aplicará el ciclo de vida de CRISP-DM1 a la data registrada en el Laboratorio de Resistencia de Materiales, Mecánica de Suelos, Pavimentos y Geotécnica de la PUCE. De encontrarse modelos de aprendizaje automático para este conjunto de datos, partiendo de casos particulares se podrá generalizar y predecir valores futuros de resistencia de materiales. Dentro de la metodología CRISP-DM, para seleccionar el modelo de aprendizaje de máquina será necesario experimentar con los datos disponibles y encontrar aquel en los que el error sea menor, de tal manera que la máquina pueda resolver situaciones con datos no conocidos. Los resultados serán evaluados y se seleccionará el que presente la mejor aproximación para entrenar una máquina. Una vez entrenada, se utilizarán nuevos datos de casos particulares, y se evaluará su despliegue. Si el despliegue no es satisfactorio será necesario argumentar las posibles razones por la que los datos no pudieran converger en un modelo de aprendizaje automático en cada una de las pruebas. Conforme a como se han planteado los objetivos, las etapas de Comprensión del negocio, Comprensión de datos y Preparación de datos se desarrollan en el acápite 4.1, mientras que el modelado se realiza en el 4.2, quedando la evaluación en el acápite 4.3.