Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.utc.edu.ec/handle/27000/6686Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Albán Taipe, Mayra Susana, MsC. | - |
| dc.contributor.author | Moya Caisa, Julio Danilo | - |
| dc.contributor.author | Tapia Vega, Liliana Carolina | - |
| dc.date.accessioned | 2020-10-30T20:36:03Z | - |
| dc.date.available | 2020-10-30T20:36:03Z | - |
| dc.date.issued | 2020-02 | - |
| dc.identifier.citation | Moya Caisa. J.D. (2020) Un enfoque en Machine Learning en el desarrollo de sistemas recomendadores. U.T.C. Latacunga. 23 p. | es_ES |
| dc.identifier.other | T-001489 | - |
| dc.identifier.uri | http://repositorio.utc.edu.ec/handle/27000/6686 | - |
| dc.description | Abstract: The recommendation systems or information filtering systems are currently widely used for commercial uses, however, the literature has identified that there is limited use in processes oriented to research network recommendations in Higher Education Institutions. The article proposes the design of a recommendation system for research groups, based on user profiles, areas of knowledge and similarity characteristics. For the development of the recommender system, the Python multiparadigm programming language was used and the Tensor flow machine learning system was used to build and train the neural network. As a result, an artificial intelligence system is obtained that is able to connect network data simultaneously, easy to use and with a user-friendly interface. | es_ES |
| dc.description.abstract | Resumen: –Los sistemas de recomendación o sistemas de filtrado de información son muy utilizados en la actualidad para usos comerciales, sin embargo, la literatura ha permitido identificar que existen un limitado uso en procesos orientados a recomendaciones de redes de investigación en las Instituciones de Educación Superior. El artículo propone el diseño de un sistema de recomendación para grupos de investigación, basado en los perfiles de usuarios, áreas de conocimiento y características de similitud. Para el desarrollo de la investigación y diseño del prototipo se utilizó el lenguaje de programación multiparadigma Python y para construir y entrenar la red neuronal se utilizó el sistema de aprendizaje automático Tensorflow. Como resultado se obtiene un sistema de inteligencia artificial capaz de relacionar datos en red simultáneamente, de fácil uso y con una interfaz amigable para el usuario. | es_ES |
| dc.format.extent | 23 páginas | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi; Facultad de Ciencias de la Ingeniería y A plicadas. | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
| dc.subject | Informática | es_ES |
| dc.subject | Sistema recomendador | es_ES |
| dc.subject.other | Redes neuronales | es_ES |
| dc.subject.other | Inteligencia artificial | es_ES |
| dc.title | Un enfoque en Machine Learning en el desarrollo de sistemas recomendadores. | es_ES |
| Aparece en las colecciones: | Tesis - Ingeniería en Informática y Sistemas Computacionales | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| T-001489.pdf | PROYECTO DE GRADO A TEXTO COMPLETO | 3,89 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
