Iniciar sesión
Este trabajo propone un modelo para construir e implementar un conjunto de indicadores claves de rendimiento (KPI); para facilitar la toma de decisiones y la gobernalidad en la unidad académica universitaria. El modelo ha sido desarrollado para mejorar la compresión, control y planificación de las actividades académicas en base a datos historicos.
Todo el proyecto ha sido posible gracias a las condiciones que ofrece el software Open Source Business Intelligence (BI). Al mismo tiempo se propone una metodología basada en los principios de construcción y diseño de la metodología agil. Para modelar procesos de extracción, carga y explotación de información. El modelo ha sido desarrollado y probado en la Universidad Peruana Unión (UPeU).
En la presente investigación se ha aplicado el algoritmo de k-medias del modelo de redes neuronales artificiales, para agrupar e identificar las características que perciben los alumnos con respecto a los servicios de tecnologías de información de la UPeU.
El algoritmo ha determinado 3 grupos, y por cada grupo ha identificado los atributos y características más relevantes de los servicios que brinda DIGESI. Para lograr el objetivo se utilizó la metodología CRISP-DM que es para proyectos de minería de datos.
CRISP-DM como metodología muy difundida y con los antecedentes de trabajo anteriores, permite un mayor respaldo al desarrollo del proyecto.
Este estudio tiene por objetivo, la construcción de un modelo de redes neuronales backpropagation para determinar los niveles de morosidad en los alumnos de la Universidad Peruana Unión (UPeU). El trabajo permitió realizar una clasificación de los alumnos, según su nivel de morosidad.
Para ello se uso dos tipos de herramientas de software: SQL Analysis Services 2008 y el SPSS 15.0, para la construcción del modelo y su respectiva validación. La metodología para este trabajo fue el CRISP-DM, es una de las metodologías más usadas en proyecto de minería de datos.
La construcción de las redes neuronales backpropagation nos ha permitió distinguir las variables que intervienen en la morosidad; y así pronosticar el nivel de morosidad del alumno de la UPeU.
El presente trabajo tiene como objetivo la construcción de un modelo de árboles de clasificación para la identificación del perfil de los niveles del alumno con alto y bajo riesgo crediticio en la Universidad Peruana Unión. Para ello se utilizó la herramienta de Business Intelligence SQL Analysis Services 2008 del SQL Server y el SPSS 15.0, tanto para la construcción del modelo, como para la validación de éste respectivamente. El centro de aplicación fue el área financiera de la Universidad Peruana Unión.
La metodología utilizada fue el CRISP-DM que es una metodología para proyectos de minería de datos.
El modelo ha identificado los perfiles de los alumnos según el riesgo crediticio que éste tenga con las siguientes fases: Comprensión del negocio, análisis de los datos, preparación de los datos, modelamiento, evaluación e implantación.
El presente trabajo de investigación es determinar el perfil de lealtad de los alumnos de la Facultad de Ingeniería y Arquitectura, para el cual se ha definido el concepto de lealtad como: “el compromiso que se tiene hacia una marca o servicio”, luego se identifican los tipos de lealtad que existen y así podremos definir el perfil del alumno leal, esta será una herramienta útil en la mitigación de falencias educativas que se presentan a menudo, como son: el retiro de alumnos, la insatisfacción, la poca participación en las actividades. Se piensa trazar o diseñar una ruta de implementación la cual será a corto, mediano y largo plazo, este brindara el camino a seguir para alcanzar mejores prácticas consiguiendo mejorar el nivel de lealtad de los alumnos. Todo esto haciendo uso de Árboles de Clasificación (AC).
Para el caso de proyectos de implementación de minería de datos, utilizaremos la metodología CRISP-DM. CRISP-DM es una organización europea creada por tres grandes empresas especialistas en proyectos de minería de datos que son SPSS, NCR y DaimlerChrysler. Esta metodología permite desarrollar proyectos de minería de datos bajo un proceso estandarizado de definición y validación, esto ayuda a que el costo sea razonable y con un alto impacto en el negocio. Se incluye un modelo y una guía, estructurada en seis fases, las cuales son: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue.
Para recopilar la información, se utilizó un cuestionario de lealtad y para identificar los atributos del perfil del alumno leal se aplicó el modelo de Árboles de Clasificación.
El cuestionario se aplico a una muestra de 200 alumnos, de una población de 541 que forman parte de la FIA.
El modelo de Arboles de Clasificación nos ha permitido identificar los perfiles de los cuatro tipos de alumnos leales: terrorista, rehén, mercenario, apóstol.
La presente investigación tiene como objetivo desarrollar un modelo analítico de abastecimiento de medicamentos basado en redes neuronales artificiales que optimiza el inventario de los medicamentos del sector privado de salud.
El tipo de investigación es aplicada, descriptiva y propositiva. La unidad de análisis fue el volumen de venta semanal de medicamentos de los años 2005 al 2009.
Los resultados afirman que el modelo de red neuronal artificial concurrente tiene mayor precisión en el pronóstico frente a los modelos estadísticos, series de tiempo y regresión lineal, lo cual permite planificar las compras de medicamentos y reducir el costo total.
Iniciar sesión