Browsing by Author "Aveiga Valencia, Anthony Alexander"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Unknown Propuesta de implementación de MOODLE de alta demanda balanceada y escalable(PUCE - Esmeraldas, 2022) Aveiga Valencia, Anthony AlexanderMOODLE (Modular Object Oriented Dynamic Learning Environment) es una plataforma de código abierto para desarrollo de cursos virtuales ampliamente utilizado alrededor del mundo. Las instituciones educativas que cuentan con gran número de usuarios concurrentes suelen enfrentar retos relacionados al rendimiento y disponibilidad en este sistema. Las plataformas en la nube ofrecen servicios que permiten crear recursos y diseñar arquitecturas que aprovechen las capacidades propias de la computación en la nube. Entre estos beneficios se encuentra la resistencia a fallos, alta demanda, escalabilidad y reducción de costos. En la presente investigación se identificaron las arquitecturas posibles para implementar MOODLE, las cuales se evaluaron mediante un instrumento ISO/IEC 25010 en base a parámetros de disponibilidad, tolerancia a fallos y capacidad de recuperación. La arquitectura con la calificación más alta en estos parámetros resultó ser la basada en servicios de la nube. En base a estos resultados y a los requerimientos en la PUCESE, se procedió a proponer y diseñar una arquitectura basada en la nube de Azure, la cual se implementó usando servicios gestionados por el proveedor y de tipo serverless. Se realizaron pruebas de carga para comprobar la resistencia de la arquitectura a 100, 300 y 10000 usuarios concurrentes. Los resultados de las pruebas de carga demostraron que la arquitectura es resistente a por lo menos 300 usuarios concurrentes, por lo que se cumple eficientemente las necesidades en la PUCESE, la cual tiene un máximo de 150 a 200 usuarios concurrentes en épocas de alta demanda.Item Open Access 
Prototipo de una aplicación de reconocimiento emocional aplicable en el área de la salud(PUCE - Esmeraldas, 2023) Aveiga Valencia, Anthony AlexanderEste artículo aborda el reconocimiento emocional a través de expresiones faciales capturadas en tiempo real, mediante inteligencia artificial (IA), enfocándose en su aplicación en el ámbito de la salud. Se explora el uso de redes neuronales convolucionales para analizar imágenes faciales y detectar emociones como enojo, felicidad, tristeza y neutralidad. Se emplea el conjunto de datos CK+ para entrenar el modelo y se realiza un exhaustivo preprocesamiento de datos. La arquitectura de red neuronal ResNet se selecciona como base debido a su eficacia. El modelo desarrollado muestra altos niveles de precisión y baja pérdida tanto en el conjunto de entrenamiento como en el de validación. Se observa un desempeño sobresaliente en la identificación de emociones faciales. Además, se crea una aplicación web interactiva que utiliza el modelo para analizar y clasificar emociones en tiempo real y almacena los registros correspondientes en una base de datos. El modelo es sometido a pruebas con un grupo diverso de 10 personas que abarcan diferentes edades, géneros y etnias. A cada individuo se les solicita que mantengan una expresión facial específica durante un período de tiempo determinado. En conjunto, el artículo presenta un prototipo funcional de reconocimiento emocional basado en IA, aplicable en salud para automatizar la evaluación inicial del paciente y acelerar procesos de diagnóstico para evaluar al paciente de forma integral ya que el diagnóstico no se limitaría a un nivel físico sino también psicológico