Examinando por Materia "Arboles de decisión"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Aplicación de algoritmos de machine learning en sistemas de refrigeración industrial para mantenimiento predictivo
    (Universidad de Córdoba., 2024-08-04) Argumedo Rhenals, Luis Felipe; León Herrera, Andrés David; López Pereira, Jorge Mario; Noble Ramos, Víctor Mario; Guerra Ochoa, Jairo Daniel
    El presente informe final de grado se enfoca en la aplicación de algoritmos de machine learning (ML), en adelante “aprendizaje automático”, para mantenimiento predictivo en sistemas de refrigeración industrial, basándose en un conjunto de datos experimentales obtenidos de la revista académica Scientific Data - Nature. Una de las metas de este proyecto es anticipar y clasificar las fallas en sistemas de refrigeración industrial, para así sugerir actividades de mantenimiento. Sin embargo, el conjunto de datos introdujo ciertas complejidades, ya que estaba etiquetado, pero presentaba un desequilibrio en la distribución de clases y contenía una cantidad considerable de datos atípicos. Para abordar estos desafíos relacionados con los datos, se emplearon una serie de técnicas para mejorar la calidad de estos. Se aplicaron procedimientos de filtrado, balanceo y normalización, asegurando que el conjunto de datos pudiera utilizarse de manera efectiva para el modelado predictivo. Como resultado, se realizaron predicciones utilizando 5 algoritmos de clasificación de aprendizaje automático entre ellos Árbol de decisión, Bosques aleatorios, Naive Bayes, KNN y Regresión Logística, seleccionando el algoritmo de árbol de decisión como eje central de nuestra investigación, debido a su excelente precisión y eficiencia para clasificar los tipos de errores identificados y su facilidad de interpretación. Se utilizó la función "get_decision_tree_rules" en el algoritmo elegido para extraer las reglas de decisión a partir de la estructura del árbol. Esto nos permitió expresar estas reglas en forma de condiciones lógicas, lo que simplificó la interpretación de las combinaciones y clasificaciones de las clases resultantes. Esta simplificación a su vez facilitó la construcción de tres matrices: la matriz normal, la matriz de error y la matriz de alertas.
  • Miniatura
    PublicaciónAcceso abierto
    Diseñar e implementar un sistema e-commerce para mejorar los canales de distribución en el sector piscícola en la universidad de córdoba, mediante el algoritmo de árboles de decisión
    (2018-01-24) Mestra Garay, Gustavo Adolfo; Madera Simanca, Sara Marcela; Peña Salgado, Pierre Augusto
    Con los grandes avances que tiene la tecnología y el fácil acceso que se tiene a Internet, se puede ayudar al sector agropecuarioen la Universidad de Córdoba a mejorar sus procesos de ventas. Para este proyecto se toma como base el sector piscícola y el proceso de distribución de sus productos, el cual se encuentra a cargo del Centro de Investigación Piscícola CINPIC,ya que no cuenta con un sistema para realizar la venta de sus productos, notificar a los clientes de la existencia de estos, y el llevar de forma organizada las estadísticas de ventas. Para lograr eso se propone implementar un sistema e-commerce que de manera intuitiva el usuario sea notificado cuando haya existencia de productos que ofrece el CINPIC, realice y pague su pedido.También ofrecer al CINPIC un sistema con un manejador de contenidos que sea de fácil uso para que estos puedan poner a la venta sus productos y tener una mejor forma de administrar sus pedidos y ventas.