Comparación de modelos de Machine Learning para determinar qué modelo se aproxima más a una asignación manual en ServiceDesk

• Autor: Paullo Montes, Flor de Milagro
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/21853
• Enlace del recurso: https://hdl.handle.net/20.500.12672/21853
• Nivel de acceso: acceso abierto
• Materia: Algoritmos; Aprendizaje automático (Inteligencia artificial); https://purl.org/pe-repo/ocde/ford#1.02.01

Realiza una comparación de algoritmos de aprendizaje automático para categorizar automáticamente los tickets del ServiceDesk debido al enorme número generado. Esto se debe a un problema con el tiempo necesario para generar tickets (solicitudes, incidentes y requerimientos). Mediante la utilización de tecnologías de aprendizaje automático que permiten la asignación automatizada de grupos de soluciones de proveedores que atienden a empresas de alto consumo, el modelo sugerido pretende mejorar el procedimiento de designación de tickets del ServiceDesk. Para la verificación se utilizaron los datos de los tickets de la empresa y se realizaron pruebas para validar el modelo. Los datos recopilados se utilizaron para construir un modelo de aprendizaje automático que proporcionó los datos necesarios para clasificar los tickets en varios grupos de soluciones (SupportMG, SupportDevmente, SupportTI y ProjectsTI) y categorizarlos en función del tipo.