Titulación - Maestría en Ciencias de Datos

Permanent URI for this collection

https://repositorio.utc.edu.ec/handle/123456789/12842

Browse

Browsing Titulación - Maestría en Ciencias de Datos by Author "Tapia Cerda, Verónica del Consuelo"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis Predictivo De La Deserción Estudiantil De La Universidad Técnica De Cotopaxi, Utilizando Técnicas De Machine Learning Mediante Aprendizaje Supervisado, Para La Toma De Decisiones Oportunas
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-04-01) Vera Machuca, Carlos Alberto; Tapia Cerda, Verónica del Consuelo
    La presente investigación tiene como objetivo desarrollar un modelo predictivo utilizando técnicas de Machine Learning mediante aprendizaje supervisado para identificar las variables que tienen mayor influencia en la deserción estudiantil en la Universidad Técnica de Cotopaxi (UTC) durante el periodo académico octubre 2024 – febrero 2025. La hipótesis propuesta busca alcanzar una confiabilidad superior al 90% en la predicción, lo que se logra con un 93.06% de precisión mediante el uso de algoritmos como Random Forest y Máquinas de Soporte Vectorial (SVM). Estos resultados proponen estrategias de intervención temprana basadas en datos para mejorar las tasas de retención estudiantil. El estudio se basa en datos académicos, socioeconómicos y demográficos recolectados a través de una encuesta web implementada con Django y SQLite, dirigida a estudiantes de los primeros ciclos de la UTC. Los modelos predictivos fueron entrenados y evaluados utilizando herramientas como Google Colab, Python y bibliotecas como Scikit-Learn, Pandas y Matplotlib, validando su desempeño con métricas como la matriz de confusión y la división de datos en conjuntos de entrenamiento y prueba. Los hallazgos obtenidos destacan que los factores socioeconómicos son los que más influyen en la deserción estudiantil. Además, el enfoque metodológico ágil adoptado en el desarrollo del modelo predictivo convierten la presente propuesta en una referencia significativa para futuras investigaciones relacionadas con el uso de inteligencia artificial (IA) en el ámbito educativo.
  • Thumbnail Image
    Item
    Estudio de datos climáticos históricos y actuales para crear visualizaciones que muestren el impacto del cambio climático en las parroquias urbanas del cantón Latacunga”, mediante el uso de árboles de decisión binaria
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-05-01) Maldonado Campaña, Patricia Priscila; Tapia Cerda, Verónica del Consuelo
    La investigación aborda el impacto del cambio climático en las parroquias urbanas de Latacunga, evidenciado por temperaturas en aumento, disminución de humedad y precipitaciones cada vez más impredecibles. El objetivo general fue analizar datos climáticos históricos y actuales para crear visualizaciones significativas que ilustren dicho impacto, mediante el uso de árboles de decisión binaria. Se aplicó la metodología CRISP-DM, que implicó etapas de comprensión y preparación de datos climáticos, modelado con un árbol de decisión binario tipo CART, y despliegue de resultados a través de visualizaciones interactivas en Power BI. Como resultado, se obtuvo un modelo predictivo con alta precisión R² de 0,98 y reglas prácticas para anticipar condiciones extremas, por ejemplo, umbrales de temperatura, humedad y viento asociados a baja precipitación o lluvias intensas. Asimismo, las visualizaciones permitieron identificar patrones importantes, como la disminución sostenida de la humedad relativa en el período 2020-2025 y una alta variabilidad interanual en la precipitación y las velocidades del viento con tendencias inversas entre ambas variables, con valores de 390 mm de precipitación en el mes de enero en el año 2023, y una velocidad del viento máxima de 15 km/h, lo generó un fenómeno de disipación en la formación de lluvias, confirmando los efectos locales del cambio climático y proporcionando información valiosa en los meses de enero y agosto para la toma de decisiones en gestión ambiental y adaptación y recursos energéticos.