Especializaciones

Permanent URI for this community

http://ri.itba.edu.ar/handle/123456789/17

Browse

Now showing 1 - 12 of 12

Análisis de clasificadores bayesianos
(2004) Fernández, Enrique; Britos, Paola Verónica
"Una red bayesiana es un grafo acíclico dirigido en el que cada nodo representa una variable y cada arco una dependencia probabilística, son utilizadas para proveer: una forma compacta de representar el conocimiento, y métodos flexibles de razonamiento. El obtener una red, bayesiana a partir de datos, es un proceso de aprendizaje que se divide en dos etapas: el aprendizaje estructural y el aprendizaje paramétrico. En este trabajo se describirá el funcionamiento de tres algoritmos de Clasificadores, Naïve Bayes, TAN y KDB. Se mostrará además como, a través del programa lvira, se puede llegar a obtener una red Bayesiana con estos clasificadores. Dicha red variará dependiendo del algoritmo clasificador aplicado, y de la combinación de este con algún algoritmo de inducción de árboles de decisión. Por último se mostrará una comparación que permita analizar las diferencias entre los distintos clasificadores y la influencia que en ellos genera los algoritmos generadores de árboles de decisión."
Análisis del impacto del tipo y ubicación de los locales comerciales de un centro o corredor comercial abierto en la probabilidad de vacancia de los mismos, mediante herramientas de visualización, análisis de información geoespacial y algoritmos de aprendizaje supervisado
(2020-05-27) Sanguinetti, Diego; Aizemberg, Diego Ariel
"Desarrollar una herramienta que permita visualizar distintos segmentos o grupos de locales entre los que conforman un centro o corredor comercial abierto de la ciudad según el nivel de riesgo de vacancia de los mismos, a partir del entendimiento de distintas variables que caractericen a los locales y puedan afectar su vacancia, mejorando/facilitando así las decisiones de compra y venta de locales comerciales por parte de los inversores."
Aplicación de aprendizaje supervisado para clasificación de tiempos no productivos de perforación & workover
(2019) Arca, Fabio Andrés; Soliani, Valeria
"La información de la base de datos de perforación & workover describe la actividad operativa que se realiza en los eventos de perforar, completar, reparar y mantener los pozos de gas y petróleo. Durante el desarrollo de las actividades descriptas previamente los Tiempos No Productivos de las operaciones son clasificadas en seis clases predefinidas. Con posterioridad, al leer las descripciones que acompañan a la clasificación realizada, se presentan dudas sobre su correcta asignación. En este trabajo se utilizan técnicas de aprendizaje supervisado para clasificar los Tiempos No productivos, determinando aquellos casos en los cuales existen diferencias con la clasificación originalmente asignada. Los no coincidentes deben ser enviados para su revisión con la finalidad de mejorar la calidad de información con la cual se toman decisiones. En una primera aproximación se implementa un algoritmo clasificador base y, para mejorar los resultados obtenidos, se genera un clasificador de múltiples algoritmos incorporado otros campos de información existente. Como resultado se obtiene una precisión general del 86%. En particular las precisiones obtenidas para las clases son del 98%, 90%, 88%, 83%, 75% y 74%."
Categorización y análisis de la frecuencia cardíaca de un individuo con inteligencia artificial
(2020) Goldman, Jorge Carlos; Riccillo, Marcela
"Este estudio presenta un enfoque novedoso en la aplicación de técnicas de aprendizaje automático para la clasificación de enfermedades del músculo cardíaco. Una detección temprana de arritmias aumenta considerablemente la posibilidad de corrección y sobrevida de los pacientes mediante medicación adecuada indicada por un profesional de la salud. En el siguiente trabajo se evaluarán diversos algoritmos de aprendizaje automático con técnicas de selección de variables, a fin de lograr una clasificación, con cierto grado de exactitud, de diversas enfermedades del músculo cardíaco, basándonos en las mediciones obtenidas mediante dispositivos electrónicos. Los resultados experimentales mostraron que a través del algoritmo de Random Forest, se logra la clasificación de una persona enferma de una sana con casi 94% de exactitud, con selección de las variables más significativas mediante el algoritmo de RFE."
Detección de fraudes en seguros de automóviles utilizando algoritmos de machine learning
(2020) Fabbiano, Pablo Miguel; Denicolay, Gustavo
"Pese a que el Fraude en Seguros se presenta en todos los ramos de la industria, se acota el presente trabajo al ramo Automotores. La información utilizada para modelar la solución y verificar los resultados del presente trabajo, es provista por una Compañía actual del Mercado Asegurador local que exige confidencialidad y anonimato. Los datos se mantendrán de forma no pública, siendo los mismos o cualquier inferencia que pudiera hacerse de ellos, estrictamente confidenciales. El trabajo está orientado a brindar una solución de bajo costo, pudiendo de esta forma ser la solución implementada por Aseguradoras pequeñas y medianas con bajos presupuestos. El prototipo se diseñará para ser ejecutado en equipos configurados al menos con 32 gigabytes de RAM, procesador I7, disco de 1 terabyte, similar a los existentes en estas Aseguradoras, es decir equipos estándar de bajo costo."
Inventario vial georreferenciado
(2020) Arequipa, Patricia Noemí; Aizemberg, Diego Ariel
El presente trabajo tiene como objetivo general "generar un algoritmo práctico que permita vincular y ajustar lo mejor posible los puntos de inventario a puntos georreferenciados, obteniendo así las coordenadas geográficas de cada punto que describe a las rutas, esto permitirá mapear el inventario vial y compartir el mismo de manera oficial."
Jugadores de fútbol similares
(2020-11-12) Cirigliano, Federico Nahuel; Aizemberg, Diego Ariel
"El presente trabajo de investigación será llevado a cabo utilizando como base de datos la registrada para la última edición del videojuego FIFA 19 . Dicha base de datos valora atributos futbolísticos de jugadores de todas las ligas profesionales del mundo. Es decir, contempla más de 700 clubes licenciados y supera los 17.000 jugadores de fútbol. EA SPORTS (en adelante EA ), empresa propietaria de FIFA 19, cuenta con un equipo de 6.000 ojeadores repartidos por todo el mundo. Estos expertos, una vez finalizado cada partido, acceden a la red interna de EA para actualizar una gran base de datos dinámica. Una vez computados los datos entran en juego los 300 editores de EA. Los mismos asimilan y organizan el trabajo de los 6.000 ojeadores en campos de datos diferentes y 35 categorías de atributos específicos. Finalmente, estos datos derivan en una calificación global para cada jugador. Cada jugador tiene una calificación global y seis puntuaciones en subcategorías claves: ritmo, tiro, pase, regate, defensa y físico. Dichas estadísticas se combinan con el reconocimiento internacional de un jugador para determinar la calificación global del jugador. Así se asegura una valoración acorde al nivel de exigencia profesional en el que se encuentra cada futbolista. La puntuación global de cada jugador también se determina en función de su posición en el juego. Se ponderan sus atributos en función de la posición que ocupe dentro del campo de juego. Por ejemplo el remate al arco no se valora de la misma manera para un delantero que para un defensor. Por último, cabe aclarar que los revisores y editores de datos de EA se encuentran permanentemente haciendo modificaciones en la base de datos del juego. Generalmente se tratan de cambios menores como modificaciones físicas (peinado, altura, peso, etc.), pero también puede suceder que se modifiquen estadísticas de un jugador durante la misma temporada."
Predicción de pacientes con enfermedades reumáticas en México
(2019) Roberts, Karen Natalí; Peláez, Ingris; Ramele, Rodrigo
"(...) el propósito del presente estudio es caracterizar a los individuos con enfermedades reumáticas y poder predecir de manera automática si un individuo está en presencia de enfermedades músculo-esqueléticas a partir del llenado del formulario para la detección temprana y remitirle al especialista para el tratamiento, de esta manera se puede prevenir discapacidad secundaria a estas enfermedades."
Predicción de tendencias de mercado sobre commodities utilizando algoritmos de inteligencia articial
(2020-05-14) Mildiner, Alejandro; Arjones, Gustavo
"Todos los días surgen nuevas plataformas y formas para invertir en el mercado de valores, a su vez cada día hay más gente invirtiendo directamente y no a travéss de un fondo o banco de inversión. Esta nueva masa de operadores suma aún más complejidad e imprevisibilidad al ya dinámico mundo finananciero. Al iniciar la rueda bursátil, todos estos operadores se encuentran con un confuso entorno donde los precios de las acciones cambian constantemente. Esto genera en todos los inversores bursátiles la siguiente pregunta: ¿Cómo mejorar el rendimiento del portfolio? Esta problemática es la que se intenta resolver en esta investigación."
Predictive Accuracy of Machine Learning Algorithms in Recommender Systems
(2019) Dumón, Marcos; Gómez, Leticia Irene
This work presents a systematic literature review on the application of Machine Learning algorithms in the development of effective movie recommender systems. With the increasing popularity of movie recommender systems in the entertainment industry, selecting appropriate algorithms has become crucial for delivering personalized and accurate recommendations to users. Through an extensive literature search and rigorous methodology, this work identifies and analyzes commonly used Machine Learning algorithms for movie recommendation. The accuracy and performance of these algorithms are evaluated using established evaluation methods and metrics on movie datasets of different sizes. The evaluation takes into account factors such as prediction accuracy, scalability, and robustness. The comparative analysis provides valuable insights into the effectiveness of various Machine Learning algorithms in the context of movie recommendation. The findings contribute to the understanding of algorithmic performance, enabling researchers and practitioners to make informed decisions when developing movie recommender systems. Additionally, the work explores the impact of different hyperparameters and optimization techniques on algorithm performance. The results of this work aim to improve the quality of movie recommendations and enhance user satisfaction. By providing guidelines and recommendations for algorithm selection and optimization, this work contributes to the advancement of movie recommender systems and the overall movie-watching experience.
La prisión preventiva y su relación con el tipo de delito y la superpoblación en el Servicio Penitenciario Federal Argentino
(2020-04-06) Recalde Chamorro, Carlos Gustavo; Soliani, Valeria
"En el presente trabajo, se propone analizar y estudiar las distintas variables de la población carcelaria aplicando distintas metodologías de análisis como algoritmos de clasificación, obteniendo así patrones y conductas que determinen en conclusiones para prevenir y mejorar del sistema carcelario."
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."

Browse

Browsing Especializaciones by Subject "ALGORITMOS"

Results Per Page

Sort Options