Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/10661Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | PERALTA PEÑUÑURI, GLORIA EKATERINE | - |
| dc.contributor.author | MEDRANO ITURRIOS, ANGEL RAÚL | - |
| dc.creator | MEDRANO ITURRIOS, ANGEL RAÚL | - |
| dc.date.accessioned | 2025-08-22T18:25:21Z | - |
| dc.date.available | 2025-08-22T18:25:21Z | - |
| dc.date.issued | 2023-10-16 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/10661 | - |
| dc.description | Dado que los datos faltantes son un problema recurrente en todo sistema informático y que no se puede estar exento de este suceso, es indispensable contar con estrategias que permitan mitigar y dar un tratamiento efectivo a estos mismos. La ausencia de valores afecta de manera directa en todos los análisis de datos y particularmente cuando se desea trabajar con modelos de aprendizaje máquina, puesto que la presencia de estos entorpece dicho proceso. Tal es el caso de este estudio, donde se tiene una fuente de información en el cual se albergan las muestras recabadas a través de los distintos cuerpos de agua en el estado de Sinaloa desde el año 2012 hasta 2020 esto con la finalidad de determinar la calidad de esta sustancia, más sin embargo la presencia de las grandes cantidades de datos faltantes que se tiene ha frenado a los expertos del área cuando de realizar análisis se trata. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Aprendizaje máquina (Machine Learning). | es_MX |
| dc.subject.other | Datos faltantes (Missing Values). | es_MX |
| dc.subject.other | Imputación de datos. | es_MX |
| dc.subject.other | Redes neuronales artificiales (ANN). | es_MX |
| dc.title | RECONSTRUCCIÓN DE LA INFORMACIÓN LOS PARÁMETROS DE LA CALIDAD DEL AGUA DE SINALOA, MEDIANTE TÉCNICAS DE APRENDIZAJE MAQUINA DERIVADA DE LA LGAC INTELIGENCIA ARTIFICIAL. | es_MX |
| dc.type | info:eu-repo/semantics/bachelorThesis | es_MX |
| dc.contributor.director | RODRÍGUEZ RANGEL, HÉCTOR | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Culiacán | es_MX |
| Appears in Collections: | INGENIERIA EN SISTEMAS COMPUTACIONALES | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| RECONSTRUCCIÓN DE LA INFORMACIÓN DE PARÁMETROS DE LA CALIDAD DEL AGUA DE SINALOA,.pdf | 4.47 MB | Adobe PDF | View/Open | |
| Licencia Angel Raul.pdf Until 9999-01-01 | 591.16 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
