http://dspace.utpl.edu.ec/handle/20.500.11962/26306 Magister en Ciencias y Tecnologías de la Computación 2026-03-16T16:16:01Z http://dspace.utpl.edu.ec/handle/20.500.11962/29721 Title: Uso de técnicas de machine learning en la identificación de patrones del perfil docente innovador Authors: Cárdenas Toledo, Charlie Alexander Abstract: Abstract: The Universidad Técnica Particular de Loja (UTPL) through the "Ascendere" Project has been concerned with improving the quality of education, stimulating research and training innovative teachers who share their experiences with other teachers in order to expand and generalize the experience. For this reason, the interest of this research is related to the following question: What are the characteristics of the innovative teacher? The purpose of this question is to find certain properties or patterns that an innovative teacher should have in order to promote the teaching-learning process with his or her students. We worked with information from the data set provided by the Ascendere UTPL project for the years 2018, 2019 and 2020. The methodology was appliedwith the following structure: obtaining the dataset, data cleaning, variable selection, application of clustering algorithms and analysis of results. The results show that innovative teachers at UTPL are: female gender, more than five years of teaching experience and have training hours that exceed 40 hours. Description: Resumen: La Universidad Técnica Particular de Loja (UTPL) a través del Proyecto Ascendere se ha preocupado en mejorar la calidad educativa, estimulando la investigación y formando docentes innovadores que compartan sus experiencias a otros docentes con lafinalidad de ampliar y generalizar la experiencia. Por esta razón, el interés que aborda la presente investigación se relaciona con la siguiente pregunta ¿Cuáles son las características que tiene el docente innovador? Con esta duda se pretende encontrar ciertas propiedades o patrones que debe tener el docente innovador, que promueva el proceso de enseñanza-aprendizaje con sus estudiantes. Se trabajó con información del conjunto de datos que proporciona el proyecto Ascendere UTPL de los años 2018, 2019 y 2020. Se aplicó la metodología con la siguiente estructura: obtención del dataset, limpieza de datos, selección de variables, aplicación de algoritmos de clusterización y análisis de resultados. El resultado de presentan que los docentes innovadores de la UTPL son: género femenino, más de cinco años de experiencia docente y tienen horas de formación que superan las 40 horas. 2022-01-01T00:00:00Z http://dspace.utpl.edu.ec/handle/20.500.11962/29679 Title: Sistema Recomendador de prescripciones médicas basado en clusterización. Authors: Granda Morales, Luis Fernando Abstract: Abstract: Recommender systems are currently defined as a branch of research in the area of Machine Learning. The main idea of a recommender system is to build a relationship between items, users and make the decision to select the most suitable item for the specific user; there are four main ways in which they produce their suggestions for the user: content-based, collaborative, demographic and hybrid filtering. Recommender systems employ diverse sources of information to provide users with product predictions and recommendations, balancing between variables such as accuracy, novelty and dispersion in recommendations. The present degree work starts with the state of the art of recommender systems, focusing in depth on concepts, classifications and approach related to information. Subsequently, a data set of diabetic patients is selected, which is analyzed, a data treatment and cleaning is developed to then implement a recommender system in the health area using various clustering algorithms, and finally the evaluation process of the recommendations. Description: Resumen: Los sistemas de recomendación en la actualidad se definen como una rama de investigación en el área de Machine Learning. La idea principal de un sistema recomendadores construir una relación entre los ítems, los usuarios y tomar la decisión de seleccionar el ítem más adecuado para el usuario especifico; existen cuatro formas principales en las cuales producen sus sugerencias para el usuario: basadas en el contenido, colaboración, demográficas y las de filtrado híbrido. Los Sistemas Recomendadores emplean diversas fuentes de información para proporcionar a los usuarios predicciones y recomendaciones de producto, equilibrando entre variables como exactitud, novedad y la dispersión en las recomendaciones. El presente trabajo de titulación inicia con el estado del arte de los sistemas de Recomendación, enfocándose en profundidad en conceptos, clasificaciones y enfoque relacionados con la información. Posteriormente se selecciona un conjunto de datos de pacientes diabéticos, el cual se analiza, se desarrolla un tratamiento y limpieza de datos para luego implementar un sistema recomendador en el área de la salud empleando diversos algoritmos de clustering, y finalmente el proceso de evaluación de las recomendaciones. 2022-01-01T00:00:00Z http://dspace.utpl.edu.ec/handle/20.500.11962/29667 Title: Aplicación de técnicas de aprendizaje máquina para predecir problemas cardíacos en pacientes obesos Authors: Morillo Velepucha, Diego Fernando Abstract: Abstract: Obesity is one of the main public health problems worldwide, from which a large number of diseases and syndromes are derived, such ascongestiveheart failure. Currently, machine learning techniques have been widely used to predict avariety of diseases. Therefore, this research aims to evaluate machine learning algorithms to predict heart failure disease. We worked with a dataset of 412 medical summaries ofpatients who suffer mainly of obesity and overweight. Thisdataset consists of 342 characteristics such as diseases, medications, treatments, among others. Given the large number of features, feature selection techniques such as Chi Square and Mutual Information were used, as well as the PCA dimensionality reduction technique. Five supervised algorithms were applied, of which Random Forest and Naive Bayes stood out with an accuracy of 0.94 and 0.83, respectively, using the Mutual Information technique. Description: Resumen: La obesidad es uno de los principales problemas de salud pública a nivel mundial, del cual se derivan un gran número de enfermedades y síndromes como es el caso de la insuficiencia cardiaca. Actualmente, técnicas de aprendizaje de máquina han sido utilizados ampliamente para predecir una gran variedad de enfermedades. Por tanto, en la presente investigación se tiene como objetivo evaluar algoritmos de aprendizaje máquina para poder predecir la enfermedad de insuficiencia cardíaca. Se trabajó conun dataset de 412 resúmenes médicos de pacientes que padecen principalmente obesidad y sobrepeso. Dicho dataset consta de 342 característicascomo enfermedades, medicamentos, tratamientos, entre otros. Dado el extenso número de características se usaron técnicas de seleccióncomo Chi Square y Mutual Information y también la técnica de reducción de dimensionalidad PCA. Se aplicaron 5 algoritmos supervisados, de los cuales Random Forest y Naive Bayes se destacaron con una precisión de 0.94 y 0.83 respectivamente, utilizando la técnica Mutual Information. 2022-01-01T00:00:00Z http://dspace.utpl.edu.ec/handle/20.500.11962/29494 Title: Evaluación de AIoT en modelos computacionales en la nube (cloud) y en el borde de la red (edge) Authors: Quiñonez Cuenca, Felipe David. Abstract: Abstract: Around the world,COVID-19 has caused serious health damage, infectingmillions ofpeopleand unfortunately causing the death of several ones. The vaccination programs of each governmenthave influenced indecliningthose rates. Nevertheless, newcoronavirusmutationshave emerged in different countries, which arehighlycontagious, causingconcern withvaccinationeffectiveness. So far, wearing facemasks in public continues being the most effectiveprotocol to avoid and preventCOVID-19spread.In this context, there is a demand ofautomaticfacemask detection services to remind people the importance of wearing them appropriately. In this work, aperformance analysisof an AIoTsystem todetect correct, inappropriate,and non-facemaskwearing,based on two computationalmodels:cloud andedge,wasconducted.Having asobjectivetodeterminewhich model better suitesa real environment,based on theseevaluation metrics: 1) reliabilityof the detector algorithm, 2) use of computational resources, and 3) response time.Experimental resultsshowthat edge implementationgot better performancein comparison to cloud implementation . Description: Resumen: A nivel global, el COVID-19 ha provocado graves daños a la salud, se han infectado centenas de millones de personas y ha causado la muerte de millones de ellas. Los programas de vacunación de cada gobierno ha ninfluido en el decaimiento de estos índices; sin embargo, la aparición de nuevas mutaciones del coronavirus, mucho más contagiosas,han causado preocupación sobre la efectividad de las vacunas. Frente a esta situación, el uso de mascarillas sigue siendo eficaz para prevenirla transmisión y contagio del COVID-19. Lo que hagenerado una creciente demanda de servicios de detección automática de mascarillas, que permita recordara las personas la importancia del uso de estas. En este trabajo se plantea un análisis del desempeño de un sistema para la detección del uso correcto, inadecuado y sin mascarilla basado en dos modelos computacionales de cloudy edge;con la finalidad de determinar qué modelo seadecua mejor en un entorno real,en base alastres métricas de evaluación:1) confiabilidad del algoritmo de detección, 2)uso de recursos computacionales, y 3) tiempo de respuesta. Los resultados experimentales demuestran que el algoritmo AIoT alcanzó mejor desempeño en el modelo edge en comparación con el modelo cloud. 2022-01-01T00:00:00Z