Carrera de Tecnologías de la Información

Código QR

Entérate cómo entregar tus trabajos de titulación

Permanent URI for this collection

https://repositorio.puce.edu.ec/handle/123456789/32

Browse

Browsing Carrera de Tecnologías de la Información by Subject "Machine learning"

0-9ABCDEFGHIJKLMNOPQRSTUVWXYZ
Now showing 1 - 3 of 3
  • No Thumbnail Available
    ItemOpen Access
    Aplicación web con machine learning para el seguimiento del refuerzo pedagógico en la Unidad Educativa Eloy Alfaro del Cantón Santo Domingo
    (PUCE - Santo Domingo, 2025) Maila Condoy, Steeven Andrés; Quero Quichimbo, Katherin; Ocampo Pazos, Willian Javier
    El ámbito educativo se encuentra en constante desarrollo, lo que obliga a las instituciones educativas a adoptar nuevas técnicas que permitan potenciar los procesos que se gestionan dentro de cada uno de estos centros de conocimiento. Por lo tanto, en la Unidad Educativa “Eloy Alfaro” ubicada en el cantón de Santo Domingo, por medio de encuestas se logró determinar deficiencias en la gestión del proceso de refuerzo pedagógico. Con el fin de darle solución a esta problemática, se creó una aplicación web con Django, React y PostgreSQL la cual integra el modelo de machine learning XGBoost para predecir que estudiantes podrían tener problemas de aprendizaje y necesitarían refuerzo, además, es importante destacar que el desarrollo de este proyecto estuvo bajo el marco de trabajo Scrum. Se utilizó un enfoque de diseño preexperimental con el tipo de investigación cuantitativa, por lo cual la recopilación de datos realizada mediante encuestas (pre test y un post test) con una muestra de 40 estudiantes. Por último, se concluye que la implementación de tecnologías actuales e innovadoras mejoraron eficazmente la gestión de refuerzo pedagógico en la unidad educativa
  • No Thumbnail Available
    ItemOpen Access
    Aplicación web con machine learning para la gestión de recursos humanos en la Empresa Imporcoelec del Cantón Santo Domingo
    (PUCE - Santo Domingo, 2024) Gonzalez Alcolado, Arnoldo Rafael; Tumbaco Freire, Lizbeth Ivonne; Ocampo Pazos, Willian Javier
    El presente trabajo aborda la relevancia de los procesos que conlleva el Departamento de Recursos Humanos. Se realizó la base teórica de este estudio que se sustenta en la recopilación de datos de diferentes fuentes, que exploran en detalle las variables clave: aplicación web, machine learning y la gestión de talento humano. Además, la metodología que se empleó es cuantitativa con un diseño preexperimental,aplicada y de campo, con una población compuesta de 40 empleados y 2 miembros con funciones administrativas. Para dar solución se implementó una aplicación web con machine learning que puede fortalecer los procesos del Departamento de Recursos Humanos de la “IMPORCOELEC” del Cantón Santo Domingo. Se optó por emplear una arquitectura basada en React.js para la interfaz de usuario y Tailwind, mientras que para el backend se seleccionó FastAPI. Respecto a la base de datos, se prefirió MySQL. Además, para analizar las hojas de vida de los postulantes, se empleó la librería openAI de Python que se puede utilizar el machine learning para minimizar el tiempo y el coste en actividades de anotación humana
  • Thumbnail Image
    ItemOpen Access
    Sistema iot con machine learning para el control de estacionamiento vehicular en el Comercial Miñaca del Cantón Santo Domingo.
    (PUCE - Santo Domingo, 2024) Carrascal Cedeño, Byron David; Cruz Zambrano, Patricio Ivan; Ocampo Pazos, Willian Javier
    El control de estacionamiento vehicular permite gestionar la disponibilidad de plazas existentes mediante sensores, la adopción de sistemas inteligentes con IoT en los estacionamientos, mantienen un registro correspondiente a la entrada y salida de vehículos, generando así datos que tienen valor para la toma de decisiones. En el Comercial Miñaca del cantón Santo Domingo, se evidenció con encuestas que existe un inadecuado control del estacionamiento vehicular. Por lo cual, se empleó un enfoque cuantitativo con diseño pre-experimental, por contexto de la investigación se aplicó el muestreo por conveniencia, obteniendo así datos de 80 clientes que, durante un mes, utilizaron los 4 primeros estacionamientos de 23 en total. Con el propósito de resolver el problema, se desarrolló una aplicación web con React, Django y MySQL, para la visualización del estacionamiento, se crearon sensores con un ESP8266 y el HC-SR04, el cual detecta la presencia de un vehículo, se incorporó el algoritmo regresión logística de Machine Learning para el pronóstico de clientes y se desplegó una infraestructura local con Ubuntu Server y en la nube con Digital Ocean, todo este desarrollo se manejó con el marco de trabajo Scrum.