Filtros

2006 - 200942010 - 201932020 - 202539
Restablecer filtros

Ajustes

Tema: https://purl.org/pe-repo/ocde/ford#1.02.01

Resultados de la búsqueda

Mostrando 1 - 10 de 46
  • Miniatura
    info:eu-repo/semantics/bachelorThesis
    Detección de objetos en imágenes de herraje instalado en el tendido de fibra óptica del Proyecto Regional de Instalación de Banda Ancha - Puno 2020
    Mayta Aroquipa, Wilber Milton; Carpio Vargas, Edgar Eloy , 2021-08-04 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    El campo de la visión computacional junto al deep learning de la inteligencia artificial, son áreas complementarias para el tratamiento de imágenes, y ello hizo posible desarrollar el presente trabajo de investigación, donde se tuvo por objetivo desarrollar algoritmos de detección de objetos en fotografías de herraje instalados en las estructuras del tramo Nuñoa – Macusani, con las últimas arquitecturas deep learning implementados hasta la actualidad. El primer paso fue la recopilación de fotografías para posteriormente etiquetar con el programa llabelling en el formato pascal Voc, luego se realizó la técnica de data Aumentation para tener la mayor cantidad de imágenes y de estos se separó en el 80% para entrenamiento y el 20% en test, posterior a ello se eligió la arquitectura Yolov4, y Yolov5. El alcance del estudio fue exploratorio, descriptivo; el diseño fue pre-experimental. Se desarrolló en Python en Google colab y con la técnica de transfer learning para YoloV4 se realizaron 6 pruebas diferentes donde se obtuvieron las mejores métricas luego de 14000 épocas de entrenamiento con batch size de 64 y el tiempo de entrenamiento de 16 horas aproximadamente, se logró obtener mAP de 89.45%, la precisión y recall que se obtuvo fue del 90%. Asimismo, para la arquitectura de YoloV5 se realizaron 7 pruebas diferentes donde se obtuvo las mejores métricas en 99 épocas de entrenamiento con batch size de 16 y el tiempo de entrenamiento de 4 horas aproximadamente logrando obtener mAP de 95.3% precisión de 95.3% y Recall de 94.5%. Finalmente se realizaron predicciones para validar el modelo obteniendo detecciones correctas de herraje instalado.
  • Miniatura
    info:eu-repo/semantics/bachelorThesis
    Desarrollo de modelos de redes neuronales recurrentes para el pronóstico de niveles de agua del lago Titicaca
    Lujano Laura, Rene; Calderon Vilca, Edwin Fredy , 2024-01-26 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    El pronóstico preciso de los niveles de agua del Lago Titicaca (NALT) es esencial para la seguridad y la gestión eficiente de los recursos hídricos, especialmente en condiciones climáticas extremas. El objetivo de la investigación fue desarrollar modelos de Redes Neuronales Recurrentes (RNN) de memoria a corto y largo plazo (LSTM) para pronosticar niveles de agua a nivel diario y mensual, utilizando diferentes ventanas de tiempo. Se evaluaron los modelos utilizando métricas comunes en recursos hídricos, como el error cuadrático medio (RMSE), la eficiencia de Nash-Sutcliffe (NSE), la eficiencia de Kling-Gupta (KGE) y el sesgo porcentual (PBIAS). Para pronósticos diarios, la ventana de tiempo más efectiva fue de 1 día, con un RMSE de 0.0080 metros y un NSE de 0.9996. Para pronósticos mensuales, la mejor ventana de tiempo fue de 12 meses, con un RMSE de 0.103 metros y un NSE de 0.9741. En ambos casos, el modelo LSTM demostró un bajo sesgo y alta precisión. El número de épocas de entrenamiento no tuvo un impacto significativo en la precisión del modelo. La utilización de RNN-LSTM se revela efectiva en diferentes escalas temporales, siendo una herramienta valiosa para la predicción de niveles de agua del Lago Titicaca. Estos modelos pueden desempeñar un papel fundamental en la emisión de alertas tempranas, gestión del riesgo, regulación ecológica, suministro de agua, control de inundaciones y toma de decisiones en situaciones de cambio extremo en los NALT, con potenciales impactos en los ecosistemas.
  • Miniatura
    info:eu-repo/semantics/doctoralThesis
    Framework para el desarrollo escalable de sistemas de información en la nube orientado a MYPES
    Calderon Vilca, Edwin Fredy; Olazabal Guerra, Angel Manuel , 2020-01-31 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    Las empresas están optando cada vez más por utilizar los servicios de las infraestructuras computacionales en la nube, plataformas y softwares, para la implantación de sus sistemas de información, los cuales pueden ser iniciados y liberados de forma automática sin intervención del proveedor del servicio; estos sistemas de información conforman un factor de éxito en el crecimiento de las organizaciones, permitiendo ser competitivos e innovadores. Actualmente las pequeñas y medianas empresas peruanas (MYPES), implementan sus sistemas utilizando una arquitectura clásica de cliente servidor, sin aprovechar los recursos y servicios ofrecidos por la computación en la nube. El objetivo de este trabajo de investigación es desarrollar un framework para el desarrollo escalable de sistemas de información sobre infraestructura en la nube, para ello se utilizó modelos de programación, manejo de infraestructura en la nube, modelos de calidad de desarrollo de software y uso de herramientas de pruebas de carga, para evaluar el rendimiento del framework. Tenido como resultado de esta última, una mejora de 34% en el caso de prueba de un sistema de información implementado bajo el framework propuesto, en comparación a un sistema implementado en una arquitectura tradicional cliente servidor.
  • Miniatura
    info:eu-repo/semantics/masterThesis
    Modelo de aprendizaje profundo para la detección automática de anomalías con los registros históricos de precipitación en la estación Huancané desde diciembre de 1963 hasta abril del 2018
    Arpita Salcedo, Frank; Villasante Saravia, Fredy Heric , 2024-06-27 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    La estación Huancané suministra datos pluviométricos de la cantidad de lluvia, se tomaron datos a las 7:00 A.M. estos datos nos dan información de probables inundaciones y mediante el aprendizaje profundo se pretende encontrar alguna anomalía. Este trabajo tiene como objetivo general elaborar un modelo de aprendizaje profundo que nos permita la detección automática de anomalías con los registros históricos de precipitación en la estación Huancané desde Diciembre de 1963 hasta Abril del 2018. Se empleo una metodología cuantitativa, predictiva, no experimental, de corte transversal. La muestra es igual a la población un total de 19740 registros diarios. Los datos se obtuvieron a través de la plataforma de recursos hídricos Snirh, dividiéndose el conjunto de datos en 15000 registros para entrenamiento y 4740 para validación. Los resultados obtenidos son el promedio aritmético de precipitación es de 0,686 (mm), la desviación estándar de 2,553 (mm), el mínimo valor es 0 (mm), un máximo valor de 49.8 (mm). Se concluye que aplicando el aprendizaje profundo mediante Variational Auto Encoder entrenado para la detección automática de anomalías al conjunto de validación que tiene 4740 registros que equivale al 24,01 % de todos los datos utilizando el umbral de reconstrucción 22.85685119. se encontró una anomalía en los datos de validación de 49,8 (mm), este valor genera una alerta de lluvias extremas e inundaciones al ser superior en el umbral de reconstrucción. Considerando que datos no anómalos son el 99,98 % y datos anómalos un 0,02 %.
  • Miniatura
    info:eu-repo/semantics/doctoralThesis
    Modelamiento de la satisfacción laboral de docentes de educación básica mediante técnicas Machine Learning
    Holgado Apaza, Luis Alberto; Carpio Vargas, Edgar Eloy , 2022-12-28 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    La satisfacción laboral del docente, es un aspecto importante en el desempeño académico, retención de los estudiantes y retención de los maestros. En el presente estudio se determinó el modelo predictivo de la satisfacción laboral de docentes de educación básica mediante técnicas de aprendizaje automático. El conjunto de datos original estuvo conformado por 15087 instancias y 942 atributos procedentes de la encuesta nacional a docentes de instituciones educativas públicas y privadas de educación básica regular (ENDO-2018) desarrollado por Ministerio de Educación del Perú. Las técnicas de selección de características empleadas fueron el filtro ANOVA F-test y el filtro Chi-Cuadrado. En la fase modelado se emplearon los algoritmos de Regresión logística, Gradient Boosting, Random Forest, XGBoost, Decision Trees-CART. El algoritmo de Random Forest obtiene una exactitud del 73 %, sensibilidad del 74.8 %, AUC del 0.82, menor valor de falsos negativos 163 y mayor valor de verdaderos positivos 484 en la matriz de confusión. Los ingresos económicos, la satisfacción con la vida, con la autoestima, con la actividad pedagógica, con la relación con el director (a), percepción de las condiciones de vida, satisfacción con sus relaciones familiares, problema de salud relacionado con la depresión y la satisfacción de la relación con sus colegas resultaron ser los predictores más importantes.
  • Miniatura
    Thesis
    Modelo predictivo basado en Machine Learning para el seguimiento académico de los estudiantes de la Universidad Nacional de Moquegua
    Anahua Flores, Tania Yesenia; Huata Panca, Percy , 2024-06-28 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    El estudio de investigación aborda el fenómeno de la deserción estudiantil en la Universidad Nacional de Moquegua de la Filial Ilo, la recopilación de la información para el estudio corresponde a los datos históricos de estudiantes matriculados entre los periodos 2016-I al 2022-II, con un total de 400 registros , el estudio fue de enfoque cuantitativo y de nivel aplicativo, para abordar el tema de investigación se abordaron diferentes algoritmos predictivos basados en Machine Learning: Árbol de Decisión , Random Forest, Redes Neuronales y Regresión Logística, para la estructura, análisis y modelado se aplicó la metodología CRISP-DM en sus seis etapas de desarrollo. A través del uso de la metodología, se identificó el algoritmo árboles de decisiones que destaco por su alta capacidad de predicción, para la evaluación del rendimiento del modelo se aplicó la matriz de confusión y las métricas de evaluación. El algoritmo árbol de decisión obtuvo un rendimiento del 99% de accuracy, 98 % en recall y 98 % en F1-score,estos resultados indican que el modelo es adecuado para la predicción de la deserción estudiantil universitario. Asimismo, en el estudio se logró identificar las variables con mayor importancia para la predicción: estado actual del estudiante, cantidad de cursos aprobados, edad y grado de instrucción de padres ,como resultado, se desarrolló un entorno web que permite predecir la probabilidad de deserción de estudiantes de la UNAM.
  • Miniatura
    info:eu-repo/semantics/masterThesis
    Modelo de API Gateway para mejorar la comunicación de los microservicios en aplicaciones empresariales
    Tipo Mamani, Noe Wilber; Quispe Carita, Ángel Javier , 2023-11-24 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    La investigación tuvo como objetivo general analizar el impacto del modelo API Gateway en la comunicación de microservicios en aplicaciones empresariales, centrándose en evaluar los problemas de comunicación y tiempos de respuesta, para ello se utilizó Apache JMeter, una herramienta robusta para pruebas de estrés, rendimiento y escalabilidad, además se implementó el API Gateway para fortalecer la comunicación de aplicaciones empresariales al descomponerlas en servicios independientes. Para ello se realizaron mediciones constantes para identificar y analizar problemas de comunicación entre microservicios, además de registrar los tiempos de respuesta. Los hallazgos indicaron que los microservicios al integrar el modelo API Gateway, superaron considerablemente al sistema monolito en aspectos críticos como rendimiento, tiempo de respuesta y escalabilidad y mediante las pruebas con JMeter se validaron estas conclusiones, reforzando la premisa de que el modelo API Gateway en la comunicación de microservicios es más resiliente y escalable. En contraposición, el sistema monolito mostró desventajas evidentes, su tiempo de respuesta alcanzo un 68.72% más prolongado en la recepción de solicitudes, lo que demostró ser menos eficiente que los microservicios con un tiempo de 31.28%. Esta amplia brecha subraya la eficacia del modelo propuesto y destaca su adaptabilidad y capacidad de respuesta y mediante este análisis se concluyó que el modelo de microservicios con API Gateway es esencial para aplicaciones empresariales que buscan eficiencia, rapidez y escalabilidad, consolidándose como una solución viable y eficaz en el mundo empresarial moderno.
  • Miniatura
    info:eu-repo/semantics/doctoralThesis
    Reconocimiento automático de la simbología base de la escritura inca utilizando modelos Deep Convolutional Neural Network
    Huayta Flores, Lenin; Carpio Vargas, Edgar Eloy , 2024-07-18 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    A pesar de los avances en la interpretación numérica de los quipus, una comprensión integral de los quipus de escritura, especialmente aquellos del estadío Inca, sigue siendo limitada. Este estudio identifica patrones utilizando algoritmos de procesamiento de imágenes y visión por computadora; el objetivo fue desarrollar un sistema de red neuronal convolucional profunda que obtenga mejores resultados en el reconocimiento automático de la simbología base de la escritura Inca; en cuanto al método, la investigación fue aplicada, explicativa, cuantitativa, longitudinal y se enmarcó en el paradigma positivista; la población estuvo conformada por 167 clases o palabras/frases y la muestra estuvo conformada por 40 clases o palabras/frases; como resultado, se recolectaron, estructuraron y almacenaron símbolos provenientes de quipus de escritura, escritura sobre madera y tejidos; se creó un conjunto de datos a partir de los símbolos identificados y etiquetados, del cual el 80% de las imágenes se utilizaron para entrenamiento y el 20% para validación; se evaluaron cinco técnicas de redes neuronales convolucionales profundas entrenadas mediante aprendizaje por transferencia bajo las mismas condiciones y métricas, y DenseNet121 obtuvo el mejor resultado en la detección de la simbología base, con una exactitud del 98,63% en la validación. Concluimos que el sistema obtuvo resultados superiores en el reconocimiento automático de la simbología base de los quipus de escritura, superando la precisión de otros métodos; estos hallazgos validan la efectividad del modelo y respaldan el uso del método propuesto.
  • Miniatura
    info:eu-repo/semantics/bachelorThesis
    Factores que inciden en el rendimiento laboral del personal administrativo de la unidad de gestión educativa local San Román - Juliaca, durante el primer semestre del año 2008
    Huayta Jaen, Richart; Quispe Mamani, Godofredo , 2008 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    El presente trabajo titulado “FACTORES QUE INCIDEN EN EL RENDIMIENTO LABORAL DEL PERSONAL ADMINISTRATIVO DE LA UNIDAD DE GESTIÓN EDUCATIVA LOCAL SAN ROMÁN-JULIACA, DURANTE EL PRIMER SEMESTRE DEL AÑO 2008”, realizado en el distrito de Juliaca, provincia de San Román del departamento de Puno. Siendo la muestra objetiva todo el personal administrativo conformado por 53 trabajadores administrativos de acuerdo al CAP (cuadro de asignación de personal) de la Unidad de Gestión Educativa Local – San Román. El objetivo fue analizar los factores que influyen en el rendimiento laboral del personal administrativo, se consideraron los siguientes factores: edad, sexo, área actual donde labora, estado civil, número de hijos, tipo de vivienda, servicios que cuenta la vivienda, cargo, años de experiencia, horas de trabajo semanal, remuneración mensual, ingreso familiar, gasto familiar, nivel remunerativo, condición laboral, grado de instrucción, conocimiento de las normas administrativas, cuenta con una computadora y dominio de aplicación informática. Para la aplicación de la regresión lineal múltiple la variable respuesta (Y) toma valores cuantitativos (puntajes) y para la regresión logística múltiple la variable de respuesta (Y) se categorizó en satisfactorio=1 y no satisfactorio=0, el procesamiento de la información obtenida de encuestas y cuestionarios de autoevalución, se utilizó los softwares SPSS 11.5 y Microsoft EXCEL 2003. Se usó el método de selección de la mejor ecuación de regresión Stepwise, con lo que se han seleccionado los factores: horas de trabajo, si cuenta con una computadora, si conoce las normas, remuneración mensual, años de experiencia y edad. Mediante la regresión logística múltiple y el método de selección de variables Forward, se consideraron las 6 variables seleccionadas con el método (Stepwise), los factores reseleccionados fueron: años de experiencia, horas de trabajo semanal, remuneración mensual, cuenta con una computadora y el modelo de regresión logística múltiple reducido fue: El coeficiente de determinación fue de R2=0.818, con 5% de nivel de significancía, indica que las variables explicativas, influyen en un 82% en el rendimiento laboral satisfactorio del personal administrativo.La proporción estimada de trabajadores administrativos que tienen un rendimiento laboral satisfactorio en la UGEL- San Román es del 0.717 71.7%, para lo cual se realizó la respectiva prueba de hipótesis para . Resultando la prueba altamente significativa. El cual indico que la proporción de trabajadores administrativos que realizan sus labores administrativos satisfactoriamente es mayor que del 50% y es confirmado por el estimador de 71.7%.
  • Miniatura
    info:eu-repo/semantics/doctoralThesis
    Automatización del diagnóstico de displasias de caderas, mediante técnicas geométricas y redes neuronales artificiales, Perú 2022
    Jara Paredes, Max Ali; Sotomayor Alzamora, Guina Guadalupe , 2024-07-16 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    La Displasia del Desarrollo de Caderas (DDC) es una alteración presente en el nacimiento, cuya incidencia mundial es de 34 por 1000 nacidos y muy predominante en el sexo femenino. Una imagen de rayos X (Rx) es la clave para obtener datos y diagnosticar la enfermedad, la dificultad se debe a los cálculos geométricos a efectuarse en la imagen, lo que representa una tarea tediosa y a veces inexacta. El objetivo fue automatizar el diagnóstico de la DDC mediante técnicas geométricas y redes neuronales artificiales construyendo una historia clínica digital. La metodología tiene enfoque cuantitativo, tipo de investigación experimental, nivel de investigación aplicado, cuya muestra está constituida por 1000 historias clínicas por lo que se recabaron datos; extrayendo la imagen Rx desde un formato de imágenes digitales y comunicaciones en medicina (DICOM) convirtiéndola a un formato estándar (*.png o *.jpg); integrando a la aplicación la herramienta geométrica GeoGebra para extraer medidas de la imagen y estas utilizarlas para realizar un análisis clasificatorio mediante una ANN Backpropagation. Como resultado se redujo el tiempo de proceso de diagnóstico original en un 26,04% y se obtuvo una asertividad de 96,87% en la cadera derecha y un 98,01% en la cadera izquierda basados en la curva AUC, evaluando 1000 imágenes con la ANN, proporcionando una predicción como diagnóstico que sirva de ayuda a la toma de decisión del médico. Se concluye haber construido la aplicación web propuesta integrando las técnicas geométricas digitales con GeoGebra y ejecutando una ANN entrenada para dar un diagnóstico certero.