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.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/23632| Title: | Implementación de un sistema predictivo para grandes volúmenes de datos bajo tecnologías Big Data |
| Authors: | Contento Ortega, Freddy Iván |
| metadata.dc.contributor.advisor: | Tenesaca Luna, Gladys Alicia |
| Keywords: | Procesamiento electrónico de datos. Bancos de datos. Ingeniero en sistemas informáticos y computación.- |
| metadata.dc.date.available: | 2018-12-20T14:30:24Z |
| Issue Date: | 2018 |
| Citation: | Contento Ortega, Freddy Iván. (2018). Implementación de un sistema predictivo para grandes volúmenes de datos bajo tecnologías Big Data. (Trabajo de Titulación de Ingeniero en Sistemas Informáticos y Computación ). UTPL, Loja. |
| Description: | Resumen:El presente trabajo de titulación está orientado a implementar un Servicio Web de Recomendación basado en filtrado colaborativo para grandes volúmenes de datos sobre plataformas Big Data que permita el rápido procesamiento de la información y apoye a la toma de decisiones. Actualmente en la Web, existen pocos procesos automatizados para servir dinámicamente contenido personalizado de productos en base a las preferencias e intereses de los usuarios y que facilite la decisión de elegir uno u otro producto. Se experimenta con el conjunto de datos MovieLens, la implementación del algoritmo de filtrado colaborativo ALS de Apache Spark MLlib para realizar recomendaciones de películas en línea mediante una API RESTful con Flask y, Hadoop HDFS. Para evaluar el comportamiento del algoritmo se realizan pruebas de carga al servicio web obteniendo recomendaciones de películas top, calificaciones individuales predichas para cierta película agregando calificaciones a películas por usuarios. Los resultados muestran como es capaz de realizar recomendaciones en línea proporcionando respuestas rápidas, pero se enfrenta al problema del arranque en frío para usuarios nuevos con tiempos de 2, 25 y 95 min. |
| metadata.dc.identifier.other: | 1286404 |
| URI: | http://dspace.utpl.edu.ec/handle/20.500.11962/23632 |
| metadata.dc.type: | bachelorThesis |
| Appears in Collections: | Ingeniero en Sistemas Informáticos y Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.