DMAF - Trabajos de fin de grado

URI permanente para esta colección

https://hdl.handle.net/11117/1865

Examinar

Examinando DMAF - Trabajos de fin de grado por título

Mostrando 1 - 20 de 231
  • Ítem
  • Ítem
  • Ítem
  • Ítem
    Análisis de respuesta eléctrica de un compósito piezoeléctrico para evaluar su posible uso como sensor
    (ITESO, 2023-07) Sánchez-Ponce, Sindy C.; Ramón-Chapa, Sebastián; Zepeda-Ramírez, Héctor H.; Velázquez-Galván, Yenni G.
  • Ítem
    Análisis de tendencias tecnológicas de alimentos funcionales
    (ITESO, 2022-12-05) Acevedo-Juárez, Claudia N.; Barragán-Ramírez, Baran A.; Blanco-Dipp, Camila; García-Rascón, Ana L.; Gutiérrez-Nandayapa, Diamante C.; Pelayo-González, Andrea C.; Ramos-Delgadillo, Laura C.; Gutiérrez-Padilla, Herlinda C.; Ortiz-García, Celia; Vigna-Pérez, Alejandro
  • Ítem
    Análisis del progreso de la pandemia COVID-19 provocada por el virus del síndrome respiratorio agudo severo “SARS COV 2"
    (ITESO, 2022-05) Figueroa-Acosta, Ricardo; Herrera-Soto, Pedro J.; Riggen-Castillo, Carlos; Vazquez-Gonzalez, Luis E.; Benavides-Herrera, Pablo
  • Ítem
    Análisis exploratorio de datos históricos del precio en importaciones de México
    (ITESO, 2022-07) Hernández-López, Frida M.; Aceves-González, José L.; Lafarga-Lizárraga, Jesús I.; Montoya-Escobar, Diana P.
  • Ítem
    Análisis y desarrollo de la estructura administrativa y corporativa de Ángeles Cosmetique
    (ITESO, 2022-07) Chávez-Torres, Carlos E.; Lobera-DeLaMora, Cristina; Ramírez-Ramírez, Ana P.; Vega-Montoya, Ruth; Zamora-Gómez, Javier A.; Mier-Córdova, Maricela M.; Cambero-Partida, Claudia V.; Ortega-Puentes, Luz C.
  • Ítem
    Analítica avanzada de operaciones de comercio exterior
    (ITESO, 2022-07) Lares-Barragán, Andrés; Márquez-Delgado, Esteban; Gómez-Manzano, Paola; Hernández-Guevara, Rubén; Montoya-Escobar, Diana P.
  • Ítem
    Analítica avanzada para COVID-19 para el Estado de Jalisco
    (ITESO, 2022-05) Flores-Ortiz, Moisés; González-Vázquez, Sean N.; Rosas-Medellín, Miriam E.; Aguirre-Orozco, Miguel J.; Montoya-Escobar, Diana P.
  • Ítem
    Analítica avanzada para COVID-19 para el Estado de Jalisco
    (ITESO, 2022-05) Duarte-Robles, Pablo A.; Rivera-Sánchez, Pablo A.; Lafarga-Lizárraga, Jesús I.; Montoya-Escobar, Diana P.
  • Ítem
    Analítica avanzada para COVID-19 para el Estado de Jalisco
    (ITESO, 2022-05) Landaverde-Mercado, Ivette; Navarro-Silva, Jose T.; Zuñiga-Ortiz, Jorge L.; Montoya-Escobar, Diana P.
  • Ítem
    Aplicación de arbitraje mediante Delta Hedging
    (ITESO, 2015-11) Oviedo-Torres, Ángel R.; Arreola-Dosal, Diego
  • Ítem
    Aplicación de arbitraje mediante Delta Hedging
    (ITESO, 2016-05) Arreola-Dosal, Diego
  • Ítem
  • Ítem
    Asesoramiento multidisciplinario a la biofábrica de Ahuisculco
    (ITESO, 2024-05) Blanco-Fregoso, Joaquín; Cabral-Covarrubias, Luis E.; Pérez-Lanzagorta, Isabella; Ortiz-Flores, Jessica Y.; Vidal-Fernández, Víctor M.; DeLaTorre-Herrera, Jesica N.; Morales-GilDeLaTorre, Héctor; Zuloaga-Cano, Andrés
    Este PAP se desarrolló en la comunidad de Ahuisculco, Jalisco, donde un grupo de agricultores opera una biofábrica para producir biofertilizantes. El objetivo del proyecto fue apoyar a la biofábrica en tres áreas: fortalecimiento del sistema de reproducción de microorganismos; ampliación de la capacidad de almacenamiento de biofertilizantes y asesoría legal para la constitución de una sociedad mercantil. El proyecto se llevó a cabo en las 4 etapas: 1)Revisión del trabajo previo y diagnóstico de necesidades: Se realizaron reuniones con los socios de la biofábrica para conocer sus necesidades y objetivos; 2) Propuesta de mejora: Se elaboró una propuesta de mejora que incluía recomendaciones técnicas, planos para la construcción de una cisterna y asesoría legal; 3) Implementación: Se brindó acompañamiento técnico a los socios para la implementación de la propuesta de mejora y 4) Evaluación: Se evaluó el impacto del proyecto en la biofábrica. Se identifica que el proyecto tuvo un impacto positivo en la biofábrica, ya que se estableció un sistema de monitoreo para el sistema de reproducción de microorganismos; se construyó una cisterna para ampliar la capacidad de almacenamiento de biofertilizantes y se brindó asesoría legal para la constitución de una sociedad mercantil. Se pusieron en práctica conocimientos y habilidades de las y los estudiantes participantes para contribuir al desarrollo de la biofábrica de Ahuisculco para su mejoramiento de eficiencia y competitividad en los distintos ámbitos profesionales involucrados .
  • Ítem
    Asistente de inteligencia artificial para análisis de coyuntura económica
    (ITESO, 2024-05) Castillejos-Jáuregui , Claudia C.; Zamarrón-Álvarez, Ana R.; JuárezBadillo-Chávez, Rafael; Rodríguez-Orozco, Enrique J.; Gutiérrez-Estrada, Gerardo; García-Palma, Rodolfo; Gómez-Estrada, Luis F.; González-Vázquez, Sean N.
    El Proyecto de Aplicación PAP centra en la implementación de un Chatbot diseñado para facilitar el acceso y comprensión de información financiera. Utilizando modelos de Lenguaje de Gran Escala (LLMs), el Chatbot busca mejorar la experiencia del usuario al ofrecer información financiera fundamental, procesamiento de datos financieros y respuestas relevantes a las consultas de este ámbito. La metodología empleada incluyó investigación bibliográfica exhaustiva y pruebas en la implementación de modelos seleccionados para el prototipo final. Dentro de las prácticas de investigación encontramos que el mejor modelo para el desarrollo del proyecto sería el mixtral este modelo se popularizo gracias a su capacidad para manejar de manera efectiva una amplia gama de tareas de procesamiento del lenguaje natural, incluido el análisis semántico y la generación de respuestas coherentes y contextualmente relevantes. El Chatbot implementado se ha diseñado para interactuar de manera fluida con los usuarios, proporcionando información financiera precisa y útil, así como asistencia en las noticias relevantes de los conceptos financieros complejos de la empresa. Este proyecto supone un avance significativo en la aplicación práctica de los modelos de Lenguaje de Gran Escala, ofreciendo una herramienta innovadora que beneficia a profesionales, inversionistas y personas interesadas en comprender mejor a la empresa, para que de esa forma puedan tomar decisiones que involucren el contexto actual de la información. En las secciones siguientes, abordaremos no solo la metodología utilizada para su implementación, sino también los desafíos encontrados, las dificultades dentro del proceso de desarrollo y los resultados obtenidos, así como las posibles áreas a mejorar
  • Ítem
    Asistente virtual para asistencia administrativa y operativa
    (ITESO, 2024-05) Castillo-Meda, Lucia G.; González-Vázquez, Sean N.
    Se realizó el desarrollo de un asistente virtual utilizando la tecnología Watsonx Assistant en un campus tecnológico de Guadalajara. El objetivo principal del proyecto fue crear una herramienta capaz de responder a al menos cuatro consultas comunes en cuatro diferentes áreas, destinada a mejorar la comunicación de la información de las áreas operativas de la empresa. La metodología empleada incluyó la definición de requisitos, desarrollo del asistente, pruebas y evaluación, bajo la guía de una mentora experta en el rol de analista de negocios, lo cual permitió tener un mayor enfoque en los problemas de los usuarios. El asistente virtual desarrollado con tecnología de Watsonx Assistant mostró potencial para ser escalado y adaptado para uso en otros contextos dentro de la organización, tanto a nivel local como global. Las conclusiones del proyecto sugieren que, aunque el asistente cumple con los objetivos iniciales, hay oportunidades para mejorar su rendimiento y capacidad mediante entrenamiento adicional y una mayor integración con otros productos de Watsonx. Se recomienda una evaluación detallada del costo-beneficio para futuras expansiones o mejoras.
  • Ítem
    Automatización de selección de activos con el uso de machine learning
    (ITESO, 2023-11) García-Palma, Rodolfo; Aguilar-Rodríguez, Ana P.; Reyes-Valdez, Jesús I.; Gerardo-Escobar, Cesar E.; González-Vázquez, Sean N.
    El proyecto PAP, automatización de selección de activos con el uso de machine learning, consta de crear un modelo predictivo para decidir si invertir en acciones de la bolsa de valores estadounidense, el modelo usa datos llamados fundamentales, los cuales a partir del estado de resultados, balance general y flujo de caja podemos usar para determinar la salud financiera de la empresa a partir de ratios o valores de medición y por ultimo usamos el rendimiento efectivo de las empresas para determinar si invertir o no, si es positivo se invierte, si es negativo no se invierte. El objetivo principal del proyecto es entrenar un modelo en base a análisis fundamental y los rendimientos, el cual pueda detectar patrones en los datos y posteriormente poder ingresar solo información de los fundamentales y que el modelo entrenado haga la predicción de invertir o no invertir. Como alcance buscamos facilitar al sector inversionista a tomar mejores decisiones en sus inversiones y poder dar una herramienta que atraiga más personas a concientizarse sobre la importancia de hacer crecer su dinero, ya que actualmente, según Forbes aproximadamente solo un 2% de los mexicanos invierten en bolsa a comparación del 50% en EUA. Como resultados de nuestro proyecto nos enfocaremos en los aprendizajes aprendidos y destacar la importancia de la comprensión de las limitaciones en el ámbito de la predicción financiera dando como resultado una base sólida para reflexión y una mejora continua en futuras investigaciones y aplicaciones prácticas.
  • Ítem
    Automatización del rebalanceo de portafolios
    (ITESO, 2024-11) Gordillo-Acosta, Diego B.; Jiménez-Ramírez, Ignacio M.; Reyes-Hurtado, Ayelen N.; González-Vázquez, Sean N.; Gómez-Estrada, Luis F.
    Este proyecto presenta un Dashboard interactivo diseñado para permitir al usuario analizar y gestionar un portafolio de inversión de manera integral, incorporando funciones avanzadas como el rebalanceo y neteo de posiciones. La herramienta procesa datos financieros de distintas fuentes bancarias, incluyendo instituciones que representan a múltiples clientes con perfiles de riesgo específicos. Se manejan activos de diversas categorías, tales como renta fija, renta variable, alternativas y derivados, proporcionando un análisis completo sobre la estructura del portafolio. El proyecto está construido sobre una serie de clases en Python que procesan y transforman datos de archivos CSV y Excel. Estos datos son consolidados y categorizados mediante métodos que aseguran la limpieza, normalización y estandarización de las descripciones de los activos. Posteriormente, se generan visualizaciones, como gráficas de pastel, para ayudar a los usuarios a identificar la distribución de las inversiones por categorías y subcategorías, así como a evaluar el cumplimiento de los objetivos de inversión según su perfil de riesgo, en caso de que dicha evaluación esté fuera de los porcentajes establecidos para su perfil, se realiza un rebalanceo que les permite visualizar que activos deberían vender o comprar para alcanzar las ponderaciones sectoriales objetivo, este sistema permite visualizar la diferencia entre la situación actual del portafolio y el perfil ideal, sugiriendo acciones de compra y venta. El resultado es un proceso automatizado que ofrece a los gestores de inversión una visión exhaustiva y unificada del portafolio, mejorando la toma de decisiones estratégicas y la gestión del riesgo.