The trade of horticultural products is a crucial sector in the local economy of Lima, Peru. Microenterprises dedicated to this activity face various challenges, including demand volatility. This volatility can decrease the likelihood of generating profits and impact the stability of the business, primarily due to the challenges associated with adjusting selling prices. To address this issue, our proposal is based on implementing the XGBoost algorithm, which has the capability to handle heterogeneous data and variables of different types. This algorithm leverages historical data to provide accurate and up-to-date price recommendations for horticultural products. This, in turn, enables micro-entrepreneurs to make informed decisions when setting prices, thereby achieving expected benefits and enhancing their competitiveness. The integration of our project with microenterprises in Lima has t...

Este proyecto tiene como finalidad implementar un Sistema de Recomendación Inteligente para mejorar la fijación de precios de productos hortícolas en las microempresas de Lima. Además, para la gestión del Proyecto se usará la metodología PMBOK y cumplirá con los Student Otucome planteados. Para lograr este objetivo, se organizó el proyecto, planteando la problemática, objetivos principales y específicos, y la gestión del proyecto. Luego se llevó a cabo un análisis sobre qué modelo de predicción debemos usar para las predicciones, en dónde se usó el XGBoostRegressor y teniendo esto en cuenta, se desarrolló de un Sistema de Recomendación utilizando algoritmos de Machine Learning para las predicciones de precios a corto plazo. Teniendo el Sistema desarrollado se procedió a realizar pruebas de la efectividad de predicción, en dónde el promedio de la efectividad deberá...