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...

Descripción completa

Detalles Bibliográficos
Autor: Ogosi Auqui, José Antonio
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:repositorio.sunedu.gob.pe:20.500.14366/1231
Enlace del recurso:https://hdl.handle.net/20.500.14366/1231
Nivel de acceso:acceso abierto
Materia:Metodología CSKT
Aprendizaje automático
Ingeniería industrial
https://purl.org/pe-repo/ocde/ford#2.11.04
id RENATI_f7687e1afbc047a579c4f5f0a8a27485
oai_identifier_str oai:repositorio.sunedu.gob.pe:20.500.14366/1231
network_acronym_str RENATI
network_name_str Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
repository_id_str
dc.title.es_PE.fl_str_mv Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
title Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
spellingShingle Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
Ogosi Auqui, José Antonio
Metodología CSKT
Aprendizaje automático
Ingeniería industrial
https://purl.org/pe-repo/ocde/ford#2.11.04
title_short Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
title_full Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
title_fullStr Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
title_full_unstemmed Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
title_sort Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
author Ogosi Auqui, José Antonio
author_facet Ogosi Auqui, José Antonio
author_role author
dc.contributor.author.fl_str_mv Ogosi Auqui, José Antonio
dc.subject.es_PE.fl_str_mv Metodología CSKT
Aprendizaje automático
Ingeniería industrial
topic Metodología CSKT
Aprendizaje automático
Ingeniería industrial
https://purl.org/pe-repo/ocde/ford#2.11.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.11.04
description 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.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2023-12-19T22:16:21Z
dc.date.available.none.fl_str_mv 2023-12-19T22:16:21Z
dc.date.issued.fl_str_mv 2022-09-28
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14366/1231
url https://hdl.handle.net/20.500.14366/1231
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/deed.es
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Internacional de La Rioja
dc.publisher.country.es_PE.fl_str_mv MX
dc.source.es_PE.fl_str_mv Superintendencia Nacional de Educación Superior Universitaria - SUNEDU
dc.source.none.fl_str_mv reponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
instname:Superintendencia Nacional de Educación Superior Universitaria
instacron:SUNEDU
instname_str Superintendencia Nacional de Educación Superior Universitaria
instacron_str SUNEDU
institution SUNEDU
reponame_str Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
collection Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
dc.source.uri.es_PE.fl_str_mv Registro Nacional de Trabajos de Investigación - RENATI
bitstream.url.fl_str_mv https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/ed9c1ff8-6db5-462f-a3ce-279ffca18fdb/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/dc2064db-e548-456d-9898-01ee1ee538f4/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/5cdf75e5-1dd0-4c2f-8128-56df3e35e6c1/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/cd884d15-c3ab-46ae-bd48-3f3d952a3c93/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/d1d288a4-b7cd-4f5c-83b2-e2b19efbb441/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/9788c4e5-943f-41fa-aa23-dc9c8375d527/download
https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/75180f2c-d250-4aed-b1b1-05c243aa2021/download
bitstream.checksum.fl_str_mv 136f7dcc9d97eb69459a8132101643e5
4f556a48c670d1abaee057bb02526020
8a4605be74aa9ea9d79846c1fba20a33
f1ba8f206739e5350f26899f772f8553
30ad4d592eb09da083401a02545d85a2
3ff7890b712fdc91d0679100ece7c78d
29f58b6bd54339c0394704627307efcd
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Superintendencia Nacional de Educación Superior
repository.mail.fl_str_mv repositorio@sunedu.gob.pe
_version_ 1859285053494788096
spelling Ogosi Auqui, José Antonio2023-12-19T22:16:21Z2023-12-19T22:16:21Z2022-09-28https://hdl.handle.net/20.500.14366/1231Cada 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.Trabajo de fin de másterapplication/pdfspaUniversidad Internacional de La RiojaMXinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/deed.esSuperintendencia Nacional de Educación Superior Universitaria - SUNEDURegistro Nacional de Trabajos de Investigación - RENATIreponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATIinstname:Superintendencia Nacional de Educación Superior Universitariainstacron:SUNEDUMetodología CSKTAprendizaje automáticoIngeniería industrialhttps://purl.org/pe-repo/ocde/ford#2.11.04Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrialinfo:eu-repo/semantics/masterThesisInteligencia ArtificialUniversidad Internacional de La Rioja. Escuela Superior de Ingeniería y TecnologíaMaestría en Inteligencia Artificial42870080https://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALOgosiAuquiJA.pdfOgosiAuquiJA.pdfTrabajo de fin de másterapplication/pdf4874583https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/ed9c1ff8-6db5-462f-a3ce-279ffca18fdb/download136f7dcc9d97eb69459a8132101643e5MD51trueAnonymousREADAutorizacion.pdfAutorizacion.pdfAutorización del registroapplication/pdf172031https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/dc2064db-e548-456d-9898-01ee1ee538f4/download4f556a48c670d1abaee057bb02526020MD52falseAdministratorREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/5cdf75e5-1dd0-4c2f-8128-56df3e35e6c1/download8a4605be74aa9ea9d79846c1fba20a33MD53falseAnonymousREADTEXTOgosiAuquiJA.pdf.txtOgosiAuquiJA.pdf.txtExtracted texttext/plain101851https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/cd884d15-c3ab-46ae-bd48-3f3d952a3c93/downloadf1ba8f206739e5350f26899f772f8553MD58falseAnonymousREADAutorizacion.pdf.txtAutorizacion.pdf.txtExtracted texttext/plain4176https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/d1d288a4-b7cd-4f5c-83b2-e2b19efbb441/download30ad4d592eb09da083401a02545d85a2MD510falseAdministratorREADTHUMBNAILOgosiAuquiJA.pdf.jpgOgosiAuquiJA.pdf.jpgGenerated Thumbnailimage/jpeg20220https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/9788c4e5-943f-41fa-aa23-dc9c8375d527/download3ff7890b712fdc91d0679100ece7c78dMD59falseAnonymousREADAutorizacion.pdf.jpgAutorizacion.pdf.jpgGenerated Thumbnailimage/jpeg32668https://repositorio.sunedu.gob.pe/backend/api/core/bitstreams/75180f2c-d250-4aed-b1b1-05c243aa2021/download29f58b6bd54339c0394704627307efcdMD511falseAdministratorREAD20.500.14366/1231oai:repositorio.sunedu.gob.pe:20.500.14366/12312026-01-12T04:54:23.318830Zhttps://creativecommons.org/licenses/by/4.0/deed.esinfo:eu-repo/semantics/openAccessopen.accesshttps://repositorio.sunedu.gob.peRepositorio de la Superintendencia Nacional de Educación Superiorrepositorio@sunedu.gob.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
score 13.91977
Nueva metodología CSKT para mejorar los proyectos de implementación de Machine Learning en Ingeniería Industrial
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).

Ejemplares Similares