Browsing by Author "Cabana Yupanqui, Silvana Beatriz"

Now showing 1 - 2 of 2
  • ItemOpen Access
    Análisis predictivo del rendimiento académico en los alumnos de la escuela profesional de ingeniería en informática y sistemas de la UNJBG, utilizando redes neuronales semestre 2017-I
    (Universidad Nacional Jorge Basadre Grohmann, 2018) Cabana Yupanqui, Silvana Beatriz; Hinojosa Ramos, Edwin Antonio
    El propósito de la tesis denominada: “Análisis Predictivo del Rendimiento Académico en los Alumnos de la Escuela Profesional de Ingeniería en Informática y Sistemas de la UNJBG, utilizando Redes Neuronales, Semestre 2017-I” se centró en aprovechar la capacidad predictiva de las redes de neuronales artificiales para analizar el rendimiento académico en base a las puntuaciones por asignatura en el exámen de admisión a la Universidad. El diseño de la investigación es no experimental descriptivo, se realiza la construcción de una red neuronal acorde a las especificaciones de las entradas y salidas de nuestro conjunto de datos que comprende de las respuestas correctas que tuvo en el Examen de Admisión y el promedio de notas del alumno en el primer ciclo de su carrera universitaria, basándonos en el aprendizaje supervisado con el algoritmo de Repropagación en perceptrón multicapa. En los resultados de la investigación observamos un entrenamiento satisfactorio de la red neuronal artificial con el algoritmo supervisado de retropropagación donde se obtuvo error menor al 5 %, un error cuadrático medio de 6,2 % en la fase de validación de la red y en el análisis de sensibilidad de la red neuronal se tuvo que las áreas de Razonamiento Matemático, Aritmética y Algebra y Razonamiento Verbal influyen positivamente en un 0,59; 0,13 y 0,09 respectivamente al rendimiento académico en los alumnos del primer semestre de la Escuela Profesional de Ingeniería en Informática y Sistemas.
  • ItemOpen Access
    Segmentación de clientes utilizando algoritmos de inteligencia artificial en la empresa D&C Comunicaciones
    (Universidad Nacional Jorge Basadre Grohmann, 2026) Cabana Yupanqui, Silvana Beatriz; Chaparro Cruz, Israel Nazareth
    El estudio fue de tipo aplicado, con enfoque cuantitativo y diseño no experimental de corte transversal, desarrollado bajo el enfoque de Design Science Research. Se trabajó con una base de datos de 400 clientes de la empresa D&C Comunicaciones, considerando variables como edad, monto de operaciones y número de visitas. Se aplicaron algoritmos de aprendizaje no supervisado, específicamente K-Means, Bisecting K-Means y DBSCAN, con el objetivo de generar segmentaciones de clientes. La evaluación de los resultados se realizó mediante métricas de clusterización como el índice de Silhouette, Davies-Bouldin, Calinski-Harabasz e inercia, complementadas con pruebas estadísticas para comparar el desempeño de los algoritmos. Asimismo, se utilizó un método de evaluación multicriterio para seleccionar la segmentación más adecuada. Los resultados evidenciaron diferencias significativas entre los algoritmos evaluados, permitiendo identificar una segmentación óptima. Finalmente, los segmentos obtenidos fueron interpretados mediante un modelo de árbol de decisión, generando reglas comprensibles para su aplicación en la empresa.