Maestría en Ciencia de Datos

Permanent URI for this collection

https://vitela.javerianacali.edu.co/handle/11522/790

Browse

Browsing Maestría en Ciencia de Datos by Author "Arteaga Botero, Gustavo Adolfo"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Modelo de aprendizaje automático aplicado a la asignación de recursos institucionales para el control y la seguridad de la infraestructura móvil, física y tecnológica del SITM MIO
    (Pontificia Universidad Javeriana Cali, 2024) Buendía Diago, Albeiro; Mejía Ríos, Karol Stefani; Morán Villarreal, Oscar; Álvarez Vargas, Gloria Inés; Arteaga Botero, Gustavo Adolfo
    Este proyecto se enfocó en abordar las deficiencias de seguridad en el sistema de transporte masivo SITM MIO de Santiago de Cali, que experimenta incidentes crecientes de inseguridad. La gestión reactiva y la falta de control han afectado la confianza de los aproximadamente 280 mil usuarios diarios. Se identificó la necesidad de utilizar herramientas tecnológicas avanzadas para mejorar la asignación de recursos de seguridad de manera proactiva. Se desarrolló e implementó un sistema basado en técnicas estadísticas y computacionales, utilizando modelos de aprendizaje automático como Random Forest Regression, Support Vector Regression y Multilayer Perceptron Regression. La herramienta analítica predictiva resultante integra datos históricos y modelos de aprendizaje autónomo, destacando la eficacia del modelo de Random Forest Regression. Este avance marca un hito en la gestión de recursos de seguridad del transporte masivo, demostrando el impacto positivo de la ciencia de datos en la mejora de servicios públicos esenciales y la seguridad ciudadana.
  • Thumbnail Image
    Item
    Modelos de machine learning aplicados a un sistema de indicadores que evalúen la sostenibilidad en la movilidad urbana del Valle de Aburrá
    (Pontificia Universidad Javeriana Cali, 2024) Montoya Salazar, Luisa Fernanda; Arteaga Botero, Gustavo Adolfo
    La presente investigación se centra en el análisis de la movilidad urbana del Área Metropolitana del Valle de Aburrá, entendiendo que es una problemática en la que influyen dimensiones sociales, culturales e incluso emocionales que deben ser analizadas y conllevan a que las entidades e instituciones formulen programas y políticas públicas que mejoren las condiciones para incrementar los niveles de calidad de vida de los ciudadanos. Dentro de las herramientas de información y planeación, se contemplan las encuestas de movilidad realizadas a empleados de diversas empresas en el Valle de Aburrá, lo que proporciona datos actualizados y relevantes para comprender las dinámicas actuales de movilidad. En este sentido, esta investigación tiene como objetivo construir modelos de Machine Learning aplicados a un sistema de indicadores que evalúen la sostenibilidad en la movilidad urbana del Valle de Aburrá, con el propósito de identificar patrones de comportamiento y agrupaciones significativas en los datos, para que instituciones, entidades y autoridades lo consideren como instrumento de planeación que aporta a la toma de decisiones al momento de ejecutar proyectos de movilidad urbana en el territorio.
  • Thumbnail Image
    Item
    Técnicas de aprendizaje automático para identificar potenciales compradores de vivienda entre los beneficiarios del Sisben IV
    (Pontificia Universidad Javeriana Cali, 2024) Marulanda Walles, Ximena; Bedoya Saenz, John Jairo; Arteaga Botero, Gustavo Adolfo
    La problemática asociada al elevado porcentaje de hogares encuestados en el Sisbén IV de la ciudad Cali – Valle del Cauca que no cuenta con vivienda propia y que desconocen su potencialidad como posibles compradores, es razón por la cual el objetivo de la presente investigación es aplicar técnicas de aprendizaje automático para identificar potenciales compradores de vivienda entre los beneficiarios del Sisbén IV en Santiago de Cali. A partir de la información suministrada por el Departamento Administrativo de Planeación Distrital de la ciudad para el año 2022 se desarrolló un modelo de aprendizaje automático que permita analizar los datos recolectados, identificar patrones y tendencias, y predecir con precisión qué personas tienen mayor probabilidad de convertirse en compradores de vivienda. El conocimiento generado permite respaldar la toma de decisiones eficaces de los organismos privados y gubernamentales del sector vivienda en lo relacionado con el planteamiento de políticas públicas y programas en general en beneficio a la población de estudio.