Browsing by Author "Chaparro Cruz, Israel Nazareth"

Now showing 1 - 2 of 2
  • ItemOpen Access
    Clasificación de enfermedades de olivo (olea europea) y orégano (origanum vulgare) mediante modelos de redes neuronales convolucionales en Tacna – Perú
    (Universidad Nacional Jorge Basadre Grohmann, 2024) Chaparro Cruz, Israel Nazareth; Osco Mamani, Erbert Francisco
    Perú es el mayor productor y exportador de orégano de Sudamérica, destacando la región de Tacna como la mayor productora nacional (65%). Tacna también lidera la producción nacional de aceitunas (81,4%), siendo Perú el segundo exportador de aceitunas y el tercero de aceite de oliva en Sudamérica. A pesar de su importancia económica, el cultivo de olivo y orégano en Tacna se gestiona de manera tradicional, con un incipiente uso de datos. El estudio aborda la necesidad de desarrollo tecnológico para reducir las enfermedades que afectan la cosecha de orégano y olivo. La clasificación exacta de enfermedades puede prevenir pérdidas de calidad y rendimiento. Se llevó a cabo un extenso estudio experimental comparativo utilizando modelos como VGG16, MobileNet, MobileNetV2 y NASNetLarge, aplicando técnicas como Aumento de Datos, Aprendizaje por Transferencia y Ajuste Fino. Se concluyó que: (i ) No existen diferencias significativas (p-valor=0,999) entre VGG16 y NASNetLarge para los conjuntos de datos de olivo y orégano, (i i ) No existen diferencias significativas (p-valor=0,168) al comparar los conjuntos de datos de olivo vs orégano, (i i i ) Una fuerte relación significativa para orégano (R2 = 0,84) y olivo (R2 = 0,66) entre el número de parámetros y tamaño (en MB) con la exactitud en validación del modelo. Finalmente, se publicaron conjuntos de datos y modelos de redes neuronales convolucionales de alta exactitud para clasificar enfermedades en orégano y o
  • ItemOpen Access
    Comparación de algoritmos de machine learning en la predicción del rendimiento académico universitario basado en el rendimiento en el examen de admisión de los ingresantes a la Facultad de Ingeniería de la Universidad Nacional Jorge Basadre Grohmann del año 2023
    (Universidad Nacional Jorge Basadre Grohmann, 2025) Acero Mamani, Nain Neptalí; Chaparro Cruz, Israel Nazareth
    En el Perú, la Secretaría Nacional de la Juventud (SENAJU, 2023) menciona que los jóvenes entre los 15 a 29 años de edad, solo un 21,4 % han accedido a una educación universitaria en zonas urbanas y 24,7 % en zonas rurales. En el Perú, no se puede detectar con facilidad durante el proceso de admisión, quienes realmente deben seguir estudios universitarios, por lo cual, un número significativo de alumnos no han podido responder a las exigencias que conlleven a tener logros significativos. El presente estudio aborda la necesidad de predecir el rendimiento académico universitario de los estudiantes de la Facultad de Ingeniería de la Universidad Nacional Jorge Basadre Grohmann basado en el examen de admisión de los ingresantes en el año 2023. Se formuló el siguiente objetivo: “Comparar los algoritmos de machine learning para predecir el rendimiento académico universitario basado en el examen de admisión en los ingresantes a la Facultad de Ingeniería de la UNJBG en el año 2023”. Se realizó un extenso estudio experimental comparativo utilizando modelos de machine learning como regresión lineal, árbol de decisión, bosques aleatorios y redes neuronales; obteniendo métricas como error absoluto medio (MAE), error cuadrático medio (MSE), raíz de error cuadrado medio (RMSE) y error de porcentaje medio absoluto (MAPE). Se concluyó que: “Se comparó los 2 algoritmos que tuvieron más precisión respecto a predecir el rendimiento académico universitario, luego de compararlos estadísticamente se observó que el modelo de redes neuronales sobresalió por su mayor precisión y capacidad predictiva, con un nivel de confianza al 95 %”. Finalmente, se publicaron el conjunto de datos como: las notas del rendimiento académico y el puntaje en los cursos de admisión, también los modelos de machine learning en la plataforma de gitLab para futuras investigaciones.