Ciencia de Datos

Examinar

Envíos recientes

Mostrando1 - 5 de 58
  • Trabajo final de especialización
    Optimización de modelos predictivos para Series de Tiempo Jerárquicas (HTS)
    (2021-10-21) Woodley, Patricio Alex; Riccillo, Marcela
    "Las series de tiempo jerárquicas (HTS) son un subconjunto de series de tiempo que están contenidas dentro de una estructura o jerarquía. Esta estructura puede estar dada por características propias del producto/servicio, como su categoría, departamento, etc., o por una división geográfica, como por ejemplo ciudad, estado o país. Las técnicas clásicas como ARIMA o ETS no son óptimas para este tipo de conjunto de series, ya que la estructura puede aportar información valiosa que pasaría inadvertida o al menos no tan fácilmente identificable si modelamos las series de tiempo por separado. Debido a esto, se comparó el desempeño de Redes Neuronales LSTM, las cuales son ampliamente utilizadas para series de tiempo, y de técnicas específicas para series de tiempo jerárquicas como Bottom-Up y Reconciliación Óptima para predecir las ventas de departamentos dentro de tiendas de Walmart en EE.UU. Se analizaron en detalle 70 series de tiempo a nivel tienda-departamento y se demostró la eficacia de estas."
  • Trabajo final de especialización
    Entrenamiento de un modelo de IA para el procesamiento de imágenes todo cielo y clasificación de nubes
    (2022) Loyber, Pablo José; Lorenzatto, Pablo Andrés
    "En este trabajo se va a explorar la factibilidad de la clasificación automática de nubes observadas con una cámara cenital “todo cielo” mediante técnicas de computer visión y el entrenamiento de una red neuronal con un set de imágenes obtenidas con dichas cámaras. Para ello, el principal desafío fue el armado de un conjunto de datos coherente para el entrenamiento de la red, esto es, conjunto de imágenes clasificadas de acuerdo a clases predefinidas."
  • Trabajo final de especialización
    Detección automática de anomalías en logs: una revisión visual del estado del arte
    (2022-10-05) Aboitiz, Txomin Martin; Aizemberg, Diego Ariel
    "Con el objetivo de elaborar una revisión visual del estado del arte de la detección automática de anomalías en logs, se recopilaron 20 trabajos (publicados entre 2009 y 2021) centrados en dicha línea de investigación. 17 de ellos son trabajos experimentales y 3 son revisiones. Los trabajos fueron procesados para extraer información descriptiva asociada a la publicación y el contenido. Se prestó particular atención a las categorías de aprendizaje y los modelos de aprendizaje automático entrenados en los trabajos para detectar anomalías. También se prestó atención a la interacción entre los trabajos, a través de las citas. Con la información extraída, se construyó una base de datos de 3 tablas describiendo los autores, los trabajos y sus interacciones. Con los datos, se construyó un notebook de visualizaciones en ObservableHQ. Estas son útiles para obtener una idea inicial de los países del mundo más involucrados en esta investigación, los trabajos más influyentes y los modelos de aprendizaje más utilizados. Dado que el tamaño muestral de trabajos utilizados aquí es pequeño, no se plantea que las tendencias observadas por las visualizaciones sean representativas de las tendencias reales. Sin embargo, con un mayor tamaño muestral, esta revisión visual podría ser útil para resumir información importante sobre el estado del arte de este tema, de manera que un lector no especializado pueda identificar rápidamente trabajos de interés para sus requerimientos específicos."
  • Trabajo final de especialización
    Clasificación de clientes por umbral superior de ingresos
    (2022-06) Aguilera, Sebastián; Gómez, Leticia Irene
    "El presente trabajo tiene por objetivo proveer de nuevas herramientas al análisis de datos en el proceso de toma de decisiones concerniente a la banca comercial minorista. La propuesta está relacionada con la realización de un análisis que contenga el resultante de distintos modelos predictivos aplicados un set de datos provistos por la entidad, y una etiqueta generada por (la variable a regresar)."
  • Trabajo final de especialización
    Segmentación de mercado: agroquímicos
    (2022-07) Domínguez, Juan Manuel; Rossi, Mario
    "El presente TFI tiene como objetivo presentar los elementos de una solución formal de segmentación que permita a La Empresa establecer la cantidad óptima de segmentos de clientes y, al mismo tiempo, identificar objetivamente similitudes entre clientes de acuerdo con un conjunto de características relevantes para el negocio. Para ello, se trabajó en definir y crear un dataset de clientes con atributos y registros definidos y en desarrollar un modelo de segmentación de clientes apoyado por algoritmos de ML."