Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
Descripción del Articulo
Cada día se deben aplicar miles de procesos de Machine Learning con las metodologías ya existentes como CRISP-DM, SEMMA, KDD y TDSP. Todas estas metodologías son buenas para procesos basados en sistemas, sin embargo, existen otros campos de la ingeniería como la Ingeniería Industrial que se encuentr...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2022 |
| Institución: | Superintendencia Nacional de Educación Superior Universitaria |
| Repositorio: | Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
| Lenguaje: | español |
| OAI Identifier: | oai:renati.sunedu.gob.pe:renati/7109 |
| Enlace del recurso: | https://renati.sunedu.gob.pe/handle/sunedu/3542110 |
| Nivel de acceso: | acceso abierto |
| Materia: | Metodología CSKT Aprendizaje automático Ingeniería industrial https://purl.org/pe-repo/ocde/ford#2.11.04 |
| Sumario: | Cada día se deben aplicar miles de procesos de Machine Learning con las metodologías ya existentes como CRISP-DM, SEMMA, KDD y TDSP. Todas estas metodologías son buenas para procesos basados en sistemas, sin embargo, existen otros campos de la ingeniería como la Ingeniería Industrial que se encuentran muy relacionadas a la optimización de procesos y que podría resultar beneficiada al adecuar alguna metodología a sus necesidades. El objetivo de este trabajo es diseñar una nueva metodología basada en CRISP-DM, SEMMA, KDD y TDSP para hacer posible la implementación de proyectos de mejora de procesos en Ingeniería de Industrial y que los próximos trabajos de tesis de estudiantes en Ingeniería de Industrial consideren el tema de Machine Learning para la optimización de procesos en los proyectos que consideren apropiados. |
|---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
