Titulación - Maestría en Ciencias de Datos

Permanent URI for this collection

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

Browse

Recent Submissions

Now showing 1 - 5 of 6
  • No Thumbnail Available
    Item
    Gestión de Riesgos de Crédito en los Bancos de Ecuador Análisis de Indicadores por Tamaño de Banco
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-04-01) Yupangui Segovia, Alexander Vinicio; Segundo Humberto, Corrales Beltrán
    En este trabajo se realizó un estudio sobre la gestión de riesgos en las entidades financieras de Ecuador. La gestión de riesgos es un aspecto importante para medir la estabilidad y sostenibilidad global del sector bancario. A nivel global, los bancos presentan demasiados desafíos en la exposición al riesgo que puede impactar negativamente a su reputación y su operación. Por ello, el monitoreo continuo de los principales indicadores es clave para mitigar la exposición al riesgo. Se examinó la relación de indicadores financieros entre la cartera de crédito y depósitos recibidos por cada banco con datos mensuales. Se llevó a cabo una segmentación de bancos de acuerdo a la clasificación por tamaño de acuerdo al marco ecuatoriano. Con este análisis se profundizó para evaluar cómo el sector financiero ecuatoriano administra el riesgo de crédito por tamaño de banco.
  • 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.
  • No Thumbnail Available
    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.
  • No Thumbnail Available
    Item
    Comparador de Videos en YouTube: Análisis de Contenido, Estadísticas y Tendencias para la Mejora de Estrategias de Contenido y Rendimiento del Canal.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-05-01) Guerrero León, Henry Saúl; Corrales Beltrán, Segundo Humberto
    En la era digital contemporánea, la creación y el consumo de contenido audiovisual han experimentado un auge sin precedentes, transformando la manera en que interactuamos con la información, el entretenimiento y la cultura. En el epicentro de esta revolución se encuentra YouTube, la plataforma líder mundial para compartir videos en línea, que ha democratizado la producción de contenido y ha creado una comunidad global de creadores y espectadores.
  • No Thumbnail Available
    Item
    Aplicación de inteligencia artificial para la detección de anomalías y corrección automática de kardex en la gestión de inventarios, como base para la predicción de ganancias por producto en QuipuSoft, Latacunga.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC), 2025-06-03) Guanotuña Rodríguez, Edison Javier; Cadena Moreano, José Augusto
    Este trabajo de titulación tiene como objetivo desarrollar una solución basada en inteligencia artificial (IA) para optimizar la gestión de inventarios en las microempresas y medianas empresas (PYMES) del Ecuador. Esto se logrará mediante la detección automática de anomalías y la corrección de kardex de inventario en el sistema Makipos, que utiliza la empresa QuipuSoft. La propuesta busca mejorar la precisión de los registros, reducir errores humanos y ofrecer herramientas más eficientes para la toma de decisiones comerciales. La metodología empleada utiliza algoritmos de IA como Isolation Forest y One-Class SVM para identificar anomalías, y Random Forests para predecir ganancias por producto. El entrenamiento del modelo resultó en una precisión del 99.9 %, usando datos históricos de ventas, compras y movimientos de inventario. La solución se creará usando una interfaz de programación de aplicaciones REST, que se desarrollará con Django Rest Framework. También se incluirán microservicios hechos con Node.js y Hapi.js, lo que asegurará una integración óptima en el sistema actual. El objetivo de este estudio es el descubrimiento de evidencias iniciales y progresos destacables en la exactitud del registro de inventarios y en la eficacia en la gestión de datos históricos