Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/2692Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Aparicio Juárez, Jerónimo | - |
| dc.creator | Aparicio Juárez, Jerónimo#AAJJ820930HVZPRR02 | - |
| dc.date.accessioned | 2021-11-09T09:07:24Z | - |
| dc.date.available | 2021-11-09T09:07:24Z | - |
| dc.date.issued | 2020-08-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/2692 | - |
| dc.description | El presente trabajo de investigación abordó un subcampo de las Ciencias de la Computación y a su vez una rama de la Inteligencia Artificial denominado Aprendizaje Automático. Se aplicaron técnicas de minería de datos con la finalidad de tomar decisiones con base en la predicción de los factores que inciden en el dominio de las Habilidades Básicas del Pensamiento, para extraer conocimiento de la información se examinaron diferentes colecciones de datos con la finalidad de parametrizar un modelo que permitiera resolver la problemática de las causas que inciden en el bajo rendimiento escolar. En la etapa de análisis, se adquirió y preparó los datos para explorarlos, modelizar y evaluar por medio de un árbol de decisión e implementar el clasificador multiclase Dummy Classifier para posteriormente compararlo con Regresión Logística (L1 LibLinear y ElasticNet Saga), Random Forest y XGBoost, finalmente se evaluó la calidad de entrenamiento y la predicción de nuevos ejemplos no etiquetados obtenidos desde una fuente de datos independiente. | 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 | árboles, automático, aprendizaje, clasificadores, multiclase | es_MX |
| dc.title | Modelo de aprendizaje automático para el análisis predictivo de las habilidades básicas del pensamiento | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Villalobos Espinosa, Julieta del Carmen%422071 | - |
| dc.folio | MSC-TSI-18TE0002P | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico Superior de Teziutlán | es_MX |
| Aparece en las colecciones: | Maestría en Sistemas Computacionales | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Tesis Maestria JerónimoAparicio 18TE0002P.pdf | El presente trabajo de investigación abordó un subcampo de las Ciencias de la Computación y a su vez una rama de la Inteligencia Artificial denominado Aprendizaje Automático. Se aplicaron técnicas de minería de datos con la finalidad de tomar decisiones con base en la predicción de los factores que inciden en el dominio de las Habilidades Básicas del Pensamiento, para extraer conocimiento de la información se examinaron diferentes colecciones de datos con la finalidad de parametrizar un modelo que permitiera resolver la problemática de las causas que inciden en el bajo rendimiento escolar. En la etapa de análisis, se adquirió y preparó los datos para explorarlos, modelizar y evaluar por medio de un árbol de decisión e implementar el clasificador multiclase Dummy Classifier para posteriormente compararlo con Regresión Logística (L1 LibLinear y ElasticNet Saga), Random Forest y XGBoost, finalmente se evaluó la calidad de entrenamiento y la predicción de nuevos ejemplos no etiquetados obtenidos desde una fuente de datos independiente. | 1.41 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
