Facultad Regional Santa Fe

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/113

Browse

Has files: YesSubject: search.filters.subject.Minería de datos

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
    (X CONAIISI, 2022-11) Vera, Marcela Andrea; Ale, Mariel Alejandra; Ballejos, Luciana
    La alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.
  • Thumbnail Image
    Item
    Desarrollo de nuevos modelos y algoritmos basados en redes neuronales para tareas de minería de datos
    (2014-05) Rubiolo, Mariano; Stegmayer, Georgina
    En esta Tesis Doctoral se propone estudiar y desarrollar modelos neuronales para diversas tareas de clasificación dentro de la minería de datos. En primer lugar, se propone el modelo Volterra-NN para comprimir un clasificador neuronal, manteniendo altas tasas de desempeño. Se extiende la aplicación a clasificadores de mayor complejidad con el modelo aV-NN, logrando exitosamente la compresión de un arreglo de clasificadores, tanto en ejemplos de diversa complejidad surgidos de la literatura, como también en una aplicación real de reconocimiento de rostros. En segundo término, se propone un clasificador neuronal para resolver la correspondencia entre ontologías, aplicándose en un dominio real de I+D con anotaciones semánticas de ontologías utilizadas en la literatura. Por último, se presenta un enfoque basado en la utilización de redes neuronales para modelar las relaciones existentes, pero desconocidas de antemano, entre series temporales en el área de la Bioinformática, probándose sobre un conjunto de datos artificiales simulados, y de datos biológicos reales.