Browsing by Subject "Base de datos"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis cuantitativo y cualitativo de las resoluciones de la superintendencia de industria y comercio en las que sanciona a los responsables y/o encargados por indebido tratamiento de datos personales desde el 01 de enero de 2022 al 31 de diciembre de 2022
    (Pontificia Universidad Javeriana Cali, 2024) Murillo Muñoz, María Camila; Riascos Sarria, Juan José; Barriga Palomino, Luis Félix
    El presente proyecto de investigación se fundamenta a través del análisis investigativo que pretende elaborar un informe detallado sobre las Resoluciones expedidas por la Superintendencia de Industria y Comercio, en materia de Ley de Protección de Datos Personales o Habeas Data consagrada en la Ley 1581 de 2012 para Colombia en el periodo de tiempo comprendido entre el 01 de enero de 2022 al 31 de diciembre de 2022. La perspectiva adoptada en la investigación es enriquecida por la reflexión del autor Rafael Velásquez Bautista, quien afirma que "En una sociedad moderna, la protección de datos no se debe plantear en contra de nadie, sino más bien es una garantía más para que todos podamos ejercer nuestros derechos y libertades, cumplamos los deberes y nos traten como ciudadanos, nunca reducidos a la condición de súbditos." El enfoque de investigación especialmente se centra frente a los criterios y parámetros sancionatorios. Para esto, se estudian los elementos conceptuales en torno a los titulares del derecho, agentes de protección, tratamiento de datos, así como los tipos de datos protegidos. En este mismo sentido, se analizará la regulación atinente en nuestro sistema. Este enfoque conceptual orientará nuestra investigación hacia la comprensión integral de los principios y fundamentos que respaldan el Tratamiento adecuado de Datos Personales en el ámbito del ordenamiento jurídico colombiano. Para esto, se estudian los aspectos relevantes que compone la parte esencial del Régimen de Protección de Datos Personales, como la identificación de los titulares del derecho, los agentes encargados de la protección de datos, los criterios y parámetros sancionatorios empleados y la regulación de datos personales protegidos por la legislación colombiana. Asimismo, se llevará a cabo un análisis detallado de las disposiciones normativas relevantes en nuestro sistema legal. Al incorporar esta metodología de investigación buscamos no solo entender el marco legal colombiano frente al Tratamiento de Datos Personales, sino también reconocer la Protección de Datos como una garantía esencial para el ejercicio pleno de los derechos y libertades individuales, fomentando así buenas prácticas en la regulación y ejercicio.
  • Thumbnail Image
    Item
    Prototipo para análisis y clasificación de incidentes en una entidad financiera utilizando NPL
    (Pontificia Universidad Javeriana Cali, 2023) Restrepo Cifuentes, Juan David; Velasco Gómez, Guiancarlo Javier; Mora Cardona, Mario Julián
    El área de auditoría interna de una entidad financiera se ha venido enfrentando a diversos desafíos a raíz de la falta de eficacia para llevar a cabo la clasificación de incidentes en los procesos sujetos a auditoría. Estas fallas han obstaculizado la toma de decisiones basadas en datos y ha llevado al incumplimiento de los acuerdos de nivel de servicio (ANS), resultando en el cierre de incidencias sin una solución adecuada. En el marco del trabajo de grado, se propuso desarrollar un prototipo para el análisis y clasificación de incidentes en una entidad financiera utilizando el Procesamiento de Lenguaje Natural (PLN). Para abordar esta problemática, se decidió crear una aplicación de Machine Learning que pudiera clasificar los incidentes de la mesa de servicio de acuerdo con su prioridad. Para lograr este objetivo, fue necesario llevar a cabo un proceso de limpieza de las descripciones de los incidentes, eliminando palabras irrelevantes que no aportaban al contexto y al significado de cada incidente. A continuación, se adaptaron y vectorizaron los datos textuales para que fueran fáciles de procesar por los modelos de clasificación. Posteriormente, se evaluaron las métricas de diferentes modelos y se seleccionaron los mejores, optimizando sus hiperparámetros y probando su capacidad de predicción utilizando registros de incidentes diferentes a los utilizados en el entrenamiento. Como resultado, se presentaron a la entidad financiera dos modelos con TF-IDF que habían sido optimizados y mostraban una precisión superior al 80%. Sin embargo, al probar los modelos con registros distintos a los utilizados en el entrenamiento, se observaron diferencias en la clasificación de hasta el 19%. Es importante destacar que esta discrepancia no implica que el modelo esté equivocado en la clasificación, sino que invita al personal del banco a validar los incidentes en los cuales difiere de la prioridad asignada manualmente por los colaboradores de la entidad financiera.