Maestría en Ciencias de Datos

Permanent URI for this community

https://repositorio.utc.edu.ec/handle/123456789/12841

Browse

Browsing Maestría en Ciencias de Datos by Subject "ANÁLISIS DE DATOS"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    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
    Evaluación del Estado Emocional de los empleados de la empresa FenixCorp-ADS mediante el uso de Machine Learning.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UT, 2024-12) Tello Oña, Yomara Elizabeth; Quisaguano Collaguazo, Luis René
    Artificial Intelligence (AI) is currently booming, not only in industrial processes, but also in fields related to activities that contribute to the development of organizations and human knowledge. Machine Learning is contained within the computational context of AI, divided into three main approaches: Supervised Machine Learning (AAS), Unsupervised Machine Learning and Reinforcement Learning, which are techniques and algorithms capable of “learning and reasoning” by simulating the human brain, and allows classifying and predicting the behavior of the data supplied to the chosen model, through the use of the SciKit-Learn library and other Python tools, a programming language widely used in data analysis and sentiment analysis, another tool for extracting information based on subjective opinions. Emotional State (ES) is a conscious and unconscious reaction in response to a specific stimulus at a specific time or situation that individuals have. In order to establish a possible relationship with the work performance of employees and the talent drain of the company FenixCorp-ADS, a questionnaire was developed via Web and the classification and prediction algorithms of supervised and unsupervised machine learning were chosen, which allowed to develop a comparative analysis to determine the most efficient model of sentiment analysis performed, contributing in its application in a more continuous way by business organizations in order to use it to automate these processes.