Analítica empresarial y social
Permanent URI for this community
Browse
Browsing Analítica empresarial y social by Subject "APRENDIZAJE AUTOMÁTICO"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
proyecto final de grado.listelement.badge Conteo de cultivos de maíz (Stand Count)(2024) Makk, Azul de los Ángeles; González del Solar, Sofía; Reiman, NicoleEn el ámbito de la agricultura, el conteo preciso de plantas es una práctica fundamental que incide directamente en la optimización de los recursos y el éxito de los cultivos. Este proceso, cuando se realiza de manera manual, enfrenta una serie de desafíos que afectan su precisión, eficiencia y escalabilidad. Factores como la subjetividad inherente a la percepción humana, la laboriosidad del proceso y las limitaciones en la extensión del conteo manual en campos agrícolas extensos, hacen imperativo buscar soluciones alternativas que mejoren la gestión general de los cultivos. El presente proyecto surge en respuesta a estas necesidades, proponiendo el desarrollo de un algoritmo de Machine Learning capaz de contar automáticamente las plantas de maíz en campos agrícolas mediante el análisis de imágenes tomadas por drones. En colaboración con la empresa EmpresaX, especializada en el análisis de datos agropecuarios, se propone abordar este desafío con el objetivo de proporcionar una solución innovadora y eficiente que simplifique el proceso de conteo, a la vez que optimice la toma de decisiones agrícolas informadas y reduzca los costos operativos asociados al conteo manual. Mediante esta asociación, se permite trabajar directamente con clientes reales, adaptando la solución a las necesidades específicas del mercado y garantizando su relevancia y aplicabilidad en entornos agrícolas reales.proyecto final de grado.listelement.badge Optimización de estrategias de contenido en medios digitales : un enfoque de algoritmos genéticos basado en clusters(2024) Gonzalez Crespo, Agustina; Murtagh, Ines; Weintraub, Sofía; Rodriguez Varela, Juan PabloEl presente proyecto tiene como objetivo generar un reporte detallado sobre el análisis de interacciones en las notas de un diario digital argentino, utilizando técnicas avanzadas como análisis de sentimiento, LDA, clustering y algoritmos genéticos. Esta solución busca profundizar en los factores que influyen en la interacción con la audiencia, permitiendo al diario tomar decisiones informadas sobre la presentación y promoción de su contenido para aumentar las pageviews y la participación de los lectores. En el ámbito de los medios digitales, comprender qué elementos influyen en el éxito de las notas es crucial para captar y retener la atención de los lectores. Sin embargo, el diario enfrenta varios desafíos con los métodos tradicionales de análisis, como la falta de herramientas adecuadas para aprovechar sus datos, lo que dificulta la identificación de oportunidades de crecimiento y la maximización de pageviews. Estos factores pueden llevar a decisiones subóptimas en la presentación y promoción del contenido. Para abordar estos desafíos, se desarrolló un sistema basado en algoritmos genéticos que recomienda estrategias específicas para cada nota, analizando atributos como el sentimiento, el tipo de autor, el título, el subtítulo y si el título debe o no contener una pregunta retórica. Este sistema utiliza datos históricos para identificar patrones y ajustar las estrategias con el fin de maximizar las pageviews en diferentes clusters o segmentos de notas. El proyecto se desarrolló en varias etapas, incluyendo la integración y limpieza de datos del diario digital, asegurando la corrección de cualquier inconsistencia; la exploración profunda del conjunto de datos para identificar patrones y posibles irregularidades, utilizando técnicas descriptivas y visuales; la selección y ajuste de algoritmos de Machine Learning y optimización, el entrenamiento de modelos y la evaluación de su desempeño; y la implementación de las estrategias recomendadas, evaluando su impacto en los indicadores clave de desempeño (KPI) del diario. El proyecto culmina en una herramienta que proporciona estrategias optimizadas para mejorar las vistas de página en las notas del diario digital. Esta herramienta permitirá al diario ofrecer un análisis más eficiente de su contenido, facilitando la identificación de estrategias más efectivas para atraer a los lectores. El modelo de optimización mostró un aumento promedio, por cluster, del 8,19% en el crecimiento de pageviews y en la ganancia neta. También mostró una variación ponderada total del 8,17%, lo que refuerza la confianza en la efectividad de las estrategias implementadas. El desarrollo de esta herramienta no solo optimiza la gestión del contenido del diario digital, sino que también proporciona una base para futuras investigaciones y mejoras en el campo del análisis de datos en medios digitales. Además, la colaboración con el diario garantizará la relevancia y aplicabilidad de la solución en entornos reales, adaptándose a las necesidades específicas del mercado.proyecto final de grado.listelement.badge Predicción de stock de carbono en suelos argentinos(2024) Scorza, Juan Ignacio; Soleño, Justo Nicolas; Alfie, Augustin ArielEl proyecto tiene como objetivo revolucionar la medición de carbono en suelos agrícolas mediante un modelo predictivo avanzado. Este enfoque pretende ofrecer una alternativa más accesible y económica comparada con las mediciones tradicionales, posibilitando un mayor alcance en el mercado agrícola y generando ingresos significativos. El modelo seleccionado es un Árbol de Decisión Potenciado (Modelo V2) y fue obtenido mediante el uso de la herramienta Google AutoML. El Árbol de Decisión Potenciado ha demostrado un rendimiento sólido, destacando en particular por su MAPE de 14.609% en evaluación y un coeficiente de determinación de 0.742. Estas métricas subrayan su alta precisión en las predicciones y una excelente capacidad de generalización a nuevos datos, lo que es fundamental para ajustar la penetración de mercado y la estructuración de precios. La implementación del modelo predice con precisión la cantidad de carbono almacenada en los suelos, ofreciendo un gran potencial de mercado. Se proyecta una ganancia sustancial basada en la penetración de mercado y la estrategia de precios, con una estimación de ingresos de aproximadamente 300 mil dólares. Este modelo no solo mejora la eficiencia de las mediciones de carbono sino que también contribuye significativamente a las prácticas agrícolas sostenibles y a la gestión ambiental, posicionando al proyecto para un éxito continuo en el sector agrícola.