Los modelos de aprendizaje supervisado basados en bosques aleatorios (Random Forest) tienen alto desempeño al momento de clasificar los factores determinantes que permiten el ingreso de un postulante a la universidad. Esta investigación es de tipo cuasi-experimental y utiliza el método de análisis cuantitativo, en consecuencia el objetivo es evaluar los factores determinantes asociados al ingreso de los postulantes a la universidad. Inicia con el preprocesamiento, comprensión de los datos de admisión y clasificarlos por áreas y procesos de admisión, esta etapa se completa con la limpieza de los datos para evitar lecturas erróneas, luego se construye el modelo de aprendizaje supervisado de bosques aleatorios cuya tarea es predecir con exactitud el ingreso o no de un postulante a la universidad, previo a ello, se establece ajustes utilizando la librería sickit-learn para separar ...

La deforestación de los bosques de la Amazonía tiene orígenes naturales o por las actividades humanas, visto desde el espacio, la deforestación se refleja en imágenes tomadas por satélite Landsat-8. Metodológicamente la investigación es de diseño cuasi experimental por ende busca segmentar la deforestación de los bosques de la Amazonía peruana presente en las imágenes satelitales, utilizando la red neuronal convolucional especializada en segmentación de imágenes denominada U-Net (red neuronal totalmente conectada). Inicia con la selección de imágenes satelitales de la Amazonía de Puno y Madre de Dios, luego un pre-procesamiento consistente en dividir las imágenes en tamaños de 256x256 pixeles acompañados de imágenes binarizadas (máscaras) entre bosques y deforestación, estas imágenes se dividen en grupos de entrenamiento y prueba y son las entradas de la red neuro...

[NO ABSTRACT AVAILABLE]