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/handle/123456789/52244Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | González Eras, Alexandra Cristina | es_ES |
| dc.contributor.author | Jaramillo Soto, Erick Gonzalo | es_ES |
| dc.date.accessioned | 2024-03-01T13:39:59Z | - |
| dc.date.available | 2024-03-01T13:39:59Z | - |
| dc.date.issued | 2024 | es_ES |
| dc.identifier.citation | Jaramillo Soto, E. G. González Eras, A. C. (2024) Arquitectura para el análisis de deserción académica de estudiantes de la carrera de Informática de la Universidad Técnica Particular de Loja basada en Machine Learning as a Service [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/52244 | es_ES |
| dc.identifier.other | Cobarc: 1365198 | es_ES |
| dc.identifier.uri | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=138496.TITN. | es_ES |
| dc.description | Resumen: Esta investigación tuvo como objetivo proponer una arquitectura para el análisis de la deserción académica de estudiantes de la carrera de Informática de la Universidad Técnica Particular de Loja con base en Machine Learning as a Service (MLaaS); Para esto, se tuvo en cuenta los datos dinámicos de los estudiantes durante los periodos comprendidos entre 2019 hasta 2022. Con ello, mediante la metodología KDD se pudo crear e interpretar modelos con la plataforma Azure Machine Learning específicamente con las herramientas Designer ML y Automated ML. Donde la herramienta Designer ML muestra grandes resultados con los modelos Poison Regression y Neural Network Regression; En cambio, Automated ML presenta que el mejor modelo es LightGBM. Los modelos fueron desplegados en Power BI donde se creo un panel de indicadores que permita encontrar patrones de posibles deserciones. Con ello, denota la importancia que tiene MLaaS para predicción de deserción en los estudiantes de informática de la Universidad Técnica Particular de Loja, lo que podría permitir a los encargados de la dirección de la carrera de Informática intervenir y, por lo tanto, disminuir la tasa de deserción. | es_ES |
| dc.description.abstract | Abstract: The objective of this research was to propose an architecture for the analysis of the academic desertion of students of the Computer Science course at the Universidad Técnica Particular de Loja based on Machine Learning as a Service (MLaaS); for this, the dynamic data of students during the period between 2019 and 2022 was taken into account. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.subject | Ecuador. | es_ES |
| dc.subject | Tesis digital. | es_ES |
| dc.title | Arquitectura para el análisis de deserción académica de estudiantes de la carrera de Informática de la Universidad Técnica Particular de Loja basada en Machine Learning as a Service | es_ES |
| dc.type | bachelorThesis | es_ES |
| Aparece en las colecciones: | Titulación de 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.