Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/23836| Título : | Implementación de algoritmos predictivos con Deep Learning a través del uso de la librería Keras |
| Autor : | González Camacho, Michael Alexander |
| metadata.dc.contributor.advisor: | Elizalde Solano, René Rolando |
| Palabras clave : | Recursos educativos abiertos. Algoritmos.- Ingeniero en sistemas informáticos y computación.- |
| metadata.dc.date.available: | 2019-03-19T14:28:51Z |
| Fecha de publicación : | 2019 |
| Citación : | González Camacho, Michael Alexander. (2019). Implementación de algoritmos predictivos con Deep Learning a través del uso de la librería Keras. (Trabajo de Titulación de Ingeniero en Sistemas Informáticos y Computación ). UTPL, Loja. |
| Descripción : | Resumen:Debido al crecimiento en popularidad del Deep Learning en el ambiente científico en estos años dentro del campo de algoritmos predictivos y en vista de la necesidad de conocer cómo mejorar la experiencia de los estudiantes que cursan un MOOC, este trabajo de fin de titulación busca determinar si la librería Keras puede mitigar esta necesidad. Para lograrlo se utiliza un Dataset con un gran número de logs que indican las diferentes actividades que un estudiante desarrolla en el portal Open EdX de la Universidad. Se desarrollaron diferentes modelos de redes neuronales con múltiples configuraciones que después de ajustar permiten predecir con un alto grado de exactitud. Las redes neuronales usan archivos CSV que son entendidos por la maquina enviando de vuelta una predicción que puede ser dirigida al operador en forma de CSV. Los resultados que se obtienen permiten demostrar que el Deep Learning es una gran opción al intentar predecir resultados en un ambiente académico. Para un mejor manejo del proyecto se usa una arquitectura de tres capas y una metodología derivada de la metodología CRISP-DM. |
| metadata.dc.identifier.other: | 1286987 |
| URI : | http://dspace.utpl.edu.ec/handle/20.500.11962/23836 |
| metadata.dc.type: | bachelorThesis |
| Aparece en las colecciones: | Ingeniero en Sistemas Informáticos y Computación |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.