El presente trabajo desarrolla el Plan Estratégico de la Región Lima Provincias, con alto potencial a desarrollar, debido a que cuenta con una gran variedad de recursos, los cuales podrían aprovecharse de mejor manera mediante las oportunidades encontradas en este trabajo, para que finalmente aporte al dinamismo de la economía nacional. La metodología utilizada para la formulación de este plan estratégico se ha basado en el Modelo Secuencial del Proceso Estratégico desarrollado por el profesor Fernando D´Alessio. Para ello se revisó información bibliográfica disponible basada en fuentes confiables a partir de la cual se pudo conocer la situación actual de la provincia, después de ello, se realizó un análisis externo e interno, para establecer objetivos de corto y largo plazo los cuales se llevarán a cabo mediante la formulación, implementación y evaluación de estrateg...

El presente trabajo desarrolla el Plan Estratégico de la Región Lima Provincias, con alto potencial a desarrollar, debido a que cuenta con una gran variedad de recursos, los cuales podrían aprovecharse de mejor manera mediante las oportunidades encontradas en este trabajo, para que finalmente aporte al dinamismo de la economía nacional. La metodología utilizada para la formulación de este plan estratégico se ha basado en el Modelo Secuencial del Proceso Estratégico desarrollado por el profesor Fernando D´Alessio. Para ello se revisó información bibliográfica disponible basada en fuentes confiables a partir de la cual se pudo conocer la situación actual de la provincia, después de ello, se realizó un análisis externo e interno, para establecer objetivos de corto y largo plazo los cuales se llevarán a cabo mediante la formulación, implementación y evaluación de estrateg...

At present, sentiment analysis has become a trend; above all, in digital product development companies, as it is essential for rapid and automatic analysis. Sentiment analysis deals with emotions with the help of software, and it is playing an unavoidable role in workplaces. The constant growth of social networks, especially the Twitter social network, has made the ability to understand and comprehend users or clients take a greater scope regarding their needs; and therefore, increase the complexity of analysis of this social network, causing excessive expenses in time, personnel and money. This work presents a solution through the application of Machine Learning (ML) for sentiment analysis and thus improve analysis, execution time and customer satisfaction. The scope of this research is limited to using the Support Vector Machine (SVM) supervised learning technique for the intended anal...