Análisis comparativo de algoritmos de Machine Learning aplicados en la gestión de riesgos cuantitativos en proyectos predictivos y adaptativos
| dc.contributor.advisor | Espinosa Viteri, Luis Oswaldo | |
| dc.contributor.author | Osejo Domínguez, Francisco Miguel | |
| dc.date.accessioned | 25/01/2024 10:33 | |
| dc.date.available | 25/01/2024 10:33 | |
| dc.date.issued | 2023 | |
| dc.description.abstract | El presente trabajo tiene como fin, realizar el análisis comparativo de la aplicación de algoritmos de Machine Learning en la gestión de riesgos cuantitativos en proyectos predictivos y adaptativos. Los algoritmos seleccionados para el desarrollo de los modelos fueron: Simulación de Monte Carlo aplicando Distribución Triangular y Beta – Pert, Regresión Lineal Simple, Regresión Lineal Múltiple y Arboles de Decisión. Se utilizó la metodología CRISP-DM para sistematizar la información y el flujo de actividades para el desarrollo y posterior evaluación de los modelos analizados. Los modelos se desarrollaron con Python, los datasets seleccionados son relacionados a cronograma y presupuesto de la automatización del sistema BAS y seguridad electrónica de un proyecto del sector de la construcción. Se detalla los análisis e interpretación de los resultados y coeficientes obtenidos en el desarrollo de cada uno de los algoritmos aplicados. Se obtiene un análisis comparativo de la aplicación de los algoritmos seleccionados, modelos y resultados obtenidos, así como las conclusiones y recomendaciones pertinentes. | |
| dc.id.advisor | 1706478821 | |
| dc.id.author | 1710049295 | |
| dc.identifier.uri | https://repositorio.puce.edu.ec/handle/123456789/41114 | |
| dc.language.iso | es | |
| dc.publisher | PUCE - Quito | |
| dc.subject | Inteligencia artificial | |
| dc.subject | Aprendizaje automático supervisado | |
| dc.subject | Algoritmos | |
| dc.subject | Minería de datos | |
| dc.subject | Modelos logísticos | |
| dc.title | Análisis comparativo de algoritmos de Machine Learning aplicados en la gestión de riesgos cuantitativos en proyectos predictivos y adaptativos |