DMAF - Trabajos de fin de Maestría en Ciencia de Datos
URI permanente para esta colección
Examinar
Examinando DMAF - Trabajos de fin de Maestría en Ciencia de Datos por título
Mostrando 1 - 20 de 68
Resultados por página
Opciones de ordenación
Ítem A Generalized Lagrange Multiplier Method Based for Support Vector Classification(ITESO, 2023-05) Toral-Cañedo, Juan F.; Rodriguez-Reyes, Sara E.Ítem A Generalized Lagrange Multiplier Method for Support Vector Regression with Imposed Symmetry(ITESO, 2022-11) Guerrero-Montaño, Luis A.; Sánchez-Torres, Juan D.; Rodríguez-Reyes, Sara E.Ítem A Generalized Lagrange Multiplier Method Support for Vector Regression Based(ITESO, 2021-05) Rodríguez-Reyes, Sara E.; Sánchez-Torres, Juan D.Ítem An Anomaly Detection Process for a Business Solution(ITESO, 2020-11) López-Miranda, Ana V.; Sánchez-Torres, Juan D.; Ruiz-Cruz, RiemannÍtem Análisis de oportunidades de arbitraje entre criptomonedas aplicando Reinforcement Learning(ITESO, 2022-11) Nava-Abarca, Oscar; Rodríguez-Reyes, Luis R.Ítem Análisis espacial de los indicadores socioeconómicos del índice de marginación social en el Área Metropolitana de Guadalajara 2020(ITESO, 2023-12) González-Novelo, Iván A. T.; Ruíz-Cruz, RiemannÍtem Analyzing Patterns of Social Responsibility. A Clustering Approach to B Corporation Performance(ITESO, 2024-04) Slay-Ramos, Rodolfo; Carrasco-Navarro, Rocío; Hernández-Gutiérrez, GonzaloThe study explores the use of hierarchical clustering techniques to assess the performance of B Corporations, which are businesses certified by B Lab for their commitment to social and environmental responsibility. The study aims to identify distinct patterns and clusters among these corporations based on their operational metrics and impact assessments. The research involves a comprehensive analysis of a dataset from B Corporation impact assessments, applying various data science methodologies, including clustering and silhouette scoring, to validate the results. The findings highlight significant variations in performance and operational strategies among different clusters, with a particular emphasis on the influence of worker participation and ownership on overall company performance and sustainability. Key insights from the study suggest that corporate governance structures, especially those involving employee ownership, play a crucial role in enhancing corporate performance and stakeholder impact. The thesis contributes to a broader understanding of how socially responsible business models can be effective and provides valuable implications for policymakers, corporate leaders, and researchers interested in sustainability and corporate governance.Ítem Anomaly Detection for Cloud Services(ITESO, 2024-05) Ceja-Fuentes, Erick; Alcalá-Temores, Jaime E.El estudio presentado en este trabajo de investigación se centra en el análisis de métricas en un sistema basado en la nube. Las métricas se recopilan de diferentes fuentes con distintos niveles de agrupación. Esto crea un entorno ideal para explorar modelos de clasificación.El objetivo principal de este estudio es encontrar correlaciones entre las diferentes fuentes de estas métricas. En particular, el estudio tiene como objetivo examinar los grupos de instancias de la nube e identificar las relaciones entre ellos.Se exploraron varios modelos para analizar las métricas. Después de una cuidadosa consideración, se determinó que los árboles de decisión eran el mejor modelo a utilizar para este tipo de datos. Los árboles de decisión ofrecen varias ventajas para este tipo de análisis, incluida su capacidad para manejar estructuras de datos complejas y su facilidad de interpretación.Los resultados del estudio fueron positivos. Al utilizar árboles de decisión, se mejoró enormemente la clasificación de los diferentes grupos de instancias de la nube. Este éxito demuestra la utilidad de los árboles de decisión para analizar estructuras de datos complejas y puede tener implicaciones para futuros estudios en esta área.Ítem Aplicación de modelado de tópicos en reseñas de hospedajes de Airbnb en Berlín de 2010 a 2019(ITESO, 2023-05) Ibáñez-Sosa, Gustavo; Gudiño-Mendoza, Gema B.Ítem Aplicación de modelos Transformer para la clasificación y análisis de quejas en atención al cliente(ITESO, 2024-05) Rojas-Villanueva, Enrique I.; Alcalá-Temores, Jaime E.En este trabajo, se adoptó una metodología mixta para explorar el impacto de los modelos de Procesamiento de Lenguaje Natural (Natural Language Processing, NLP, por sus siglas en inglés) basados en Transformers, enfocándose específicamente en su capacidad para analizar e interpretar texto. La investigación se centra en evaluar la efectividad y eficiencia de estos modelos al procesar y categorizar interacciones textuales específicas. Dicho análisis se realiza sobre una muestra cuidadosamente seleccionada de 3,000 interacciones en forma de tickets de atención al cliente, provenientes de diversos canales de comunicación digital. Este enfoque permite no solo comprender cómo los modelos de Transformers pueden identificar y clasificar los diferentes tipos de consultas y problemas reportados por los usuarios, sino también evaluar su precisión, la cual se espera alcance al menos el 90 % en la identificación de categorías relevantes. La elección de tickets de atención al cliente como objeto de estudio se debe a su riqueza informativa y relevancia para las empresas que buscan optimizar sus estrategias de servicio y soporte al cliente mediante tecnologías de NLP.Ítem Aprendizaje profundo en el caucho. Mejora del proceso de manufactura mediante la predicción de propiedades(ITESO, 2024-01) Manzo-Rosas, Carlos A.; Alcalá-Temores, Jaime E.Ítem Bid Estimation Methodology Based on Hourly Conversion Rate Forecast with a Classic Econometric Approach(ITESO, 2023-04) Suárez-Hernández, Laura F.; Miranda-Belmonte, Hairo U.Ítem Comparación de modelos predictivos aplicados a las cuartas oportunidades en la NFL(ITESO, 2025-02) Cañedo-Richart, Rafael A.; Alcalá-Torres, Jaime E.El presente trabajo presenta los resultados derivados de la implementación y evaluación de distintos modelos de clasificación, diseñados para anticipar el desenlace de las cuartas oportunidades en juegos de la NFL. Estos modelos se contrastan con un enfoque de clasificación estándar, representado por una regresión logística simple. Durante el proceso de experimentación, se seleccionaron modelos de Machine Learning que se ajustaran a la naturaleza del problema y la estructura de los datos, apoyados por un análisis estadístico. Además, se implementaron los modelos, y se ofrece una comparación entre ellos mediante diversas pruebas y manipulaciones que respaldan la robustez de los resultados. Si bien se lograron mejorar categóricamente los resultados obtenidos por la regresión logística, los modelos propuestos encontraron limitaciones debido a la naturaleza del problema, que posee un fuerte componente aleatorio. En el apartado de conclusiones y trabajo futuro, se proporcionan reflexiones generales sobre el grado de incertidumbre epistémica de los modelos, y se propone como trabajo futuro realizar análisis de naturaleza bayesiana para comprender de manera integral la incertidumbre total de los modelos (epistémica o del modelo y aleatoria o de los datos).Ítem Cribado del trastorno límite de la personalidad por medio de aprendizaje automático(ITESO, 2021-09) Reyes-Trejo, Jessica A.; Carrasco-Navarro, Rocío; Domínguez-Carranza, Ana L.Ítem Cryptocurrency Forecasting Models and DeFi(ITESO, 2022-01) Carranza-Avila, Carlos E.; Muñoz-Elguezábal, Juan F.Ítem Deep Learning Technique for Image Classification by Segmentation(ITESO, 2021-05) Jayakumar, Abinaya; Becerra-López, Fernando I.Ítem Detección de Cercospora en agave a través del análisis de imágenes multiespectrales.(ITESO, 2021-05) Mancera-Almeida, Claudia P.; DeObeso-Orendáin, AlbertoÍtem Detección de precios anormales en importaciones de comercio exterior del sector textil en México: uso de modelos de machine learning(ITESO, 2022-12) Wong-Dan, Angel T.; Montoya-Escobar, Diana P.Ítem Detección temprana de necesidad de tratamiento de salud mental con el aprendizaje automático para trabajadores del sector de tecnologías de información(ITESO, 2022-12) Galindo-Hernández, Alejandra P.; Montoya-Escobar, Diana P.Ítem Discharge Moisture Prediction of the Corn Gluten Feed Drying Process Using Machine Learning Algorithms(ITESO, 2022-11) Garay-Gutiérrez, Adrian J.; Carrasco-Navarro, Rocío