Browsing by Author "Caicedo Torres, William"

Now showing 1 - 7 of 7

Categorización de texto usando técnicas de machine learning aplicado a la clasificación de reclamos en los procesos de la Universidad Tecnológica de Bolívar /
(2013) Florián Noriega, Jorge Andrés; Caicedo Torres, William
En la mayoría de las organizaciones no solo es suficiente con lograr los objetivos propuestos, también es relevante la forma como estos son alcanzados, es por esto que las organizaciones se encuentran en una constante búsqueda de mecanismos que les permitan mejorar los procesos utilizados en la consecución de los objetivos. Uno de estos procesos es el relacionado con el manejo de las quejas internas que se presentan en las empresas. Todos los procesos que existen en una organización deben ser de una u otra forma evaluados con el fin de garantizar la calidad de los mismos y evaluar las oportunidades de mejoras y las necesidades de cambio de estos. Mediante la recolección de reclamos las organizaciones se aseguran de mantener la calidad de todos sus procesos y asegurar la continua conveniencia, adecuación y eficacia de estos. Es por eso que los procesos de gestión de reclamos y quejas juegan un papel importante en el funcionamiento de cualquier tipo de empresa, y la Universidad Tecnológica de Bolívar no es la excepción
Desarrollo de un modelo basado en Machine Learning para la predicción de la demanda de habitaciones y ocupación en el sector hotelero /
(2015) Pallares Cabrera, Fabián; Caicedo Torres, William
En esta investigación se entrenaron y validaron diferentes modelos para predecir la ocupación diaria de un hotel, y el mejor modelo encontrado se evaluó sobre los datos de pruebas, todo esto con el propósito de facilitar a los administradores hoteleros la toma de decisiones enfocada a la optimización de los recursos e incrementos en los beneficios del hotel, aplicables en la estrategia de Revenue Management. El entrenamiento y validación se realizó utilizando cuatro técnicas de Machine Learning (Ridge Regression, Kernel Ridge Regression, Redes Neuronales Artificiales perceptrón multicapa y de Función Base Radial). Los datos se separaron en tres conjuntos: entrenamiento, validación y pruebas. Los datasets se construyeron utilizando tres esquemas diferentes, en el primer caso se aplicaron los fundamentos para el desarrollo de modelos de series temporales, en donde las entradas al modelo están basadas en las observaciones realizadas de la ocupación en días anteriores, en el segundo esquema los datasets se basaron en las observaciones de la ocupación en días anteriores y se adicionaron otras variables como el días de la semana, festivos, temporada; en el tercer y último esquema se toman como variables de entrada al modelo la información de las reservas con días de anticipación, adicionalmente se incluye los días de semana , meses del año e información de festivos. 10 En los tres esquemas la validación se realiza sobre los datos reservados para tal fin, la medida de exactitud utilizada para comparar las técnicas es el MAPE (Mean Absolute Percentage Error), y la validación se realiza utilizando el método de validación Rolling Forecasting Update, aplicando los procedimientos de pronóstico one-step-ahead y (h) multi-step-ahead con h=7 para series de tiempo. En el tercer esquema de construcción de datasets se utiliza información de reservas con 90, 60, 30, 20, 15, 10, 7 días de anticipación.
Diagnóstico diferencial de fiebres hemorrágicas utilizando ARTMAP
(2012) Caicedo Torres, William; Quintana Álvarez, Moisés Ramón
El dengue, leptospirosis y la malaria son enfermedades que pertenecen a un grupo conocido como fiebres hemorrágicas [1] [3]. Estas enfermedades se pueden manifestar inicialmente como síndromes febriles indeterminados, por lo que pueden ser fácilmente confundidas con otros cuadros o incluso entre ellas [2]. A pesar de presentar síntomas parecidos, sus etiologías y tratamiento son muy diferentes, por lo que se hace de especial importancia establecer mecanismos de diagnóstico claramente definidos y con alta especificidad, teniendo en cuenta que la mortalidad asociada a estas enfermedades se reduce dramáticamente al ser diagnosticadas oportunamente. Para el diagnóstico de estas enfermedades, el personal médico dispone de indicaciones semiológicas en la literatura, pero estas enfermedades presentan una alta variabilidad en términos de los síntomas y signos que presentan los pacientes afectados, haciendo difícil establecer con claridad de que enfermedad se trata. Además, se disponen de pruebas de laboratorio para la confirmación del diagnóstico, con confiabilidad altamente variable y resultados que pueden tomar varios días para ser reportados finalmente. Todo lo anterior juega en contra de un diagnóstico acertado y oportuno, llevando muchas veces a falsos diagnósticos. Varios estudios [6] [7] [8] [9] ponen de manifiesto situaciones donde durante un brote epidémico, una enfermedad enmascara una porción significante de casos de otra enfermedad. El dengue, leptospirosis y la malaria son enfermedades de notificación obligatoria a las entidades encargadas de la vigilancia epidemiológica, puesto se consideran riesgos para la salud pública, lo cual las pone en un lugar de importancia manifiesta a la hora de considerar el diseño de estrategias encaminadas a obtener un diagnóstico temprano más acertado. El campo del aprendizaje automatizado (Machine Learning) ha ofrecido históricamente recursos bastante importantes para el diagnóstico médico ayudado por computadora, y a través de estos el problema de diagnóstico se asume como un problema de reconocimiento de patrones. La idea tras este tipo de aplicaciones no es remplazar al personal médico, sino darle herramientas adicionales para la toma de decisiones, y de esta manera contribuir a la mejora de la atención de los pacientes.
Diseño e implementación de una librería neuronal y de una suit didáctica para la enseñanza sobre redes neuronales
(2010) Caicedo Torres, William; Quintana Álvarez, Moisés Ramón
Las redes neuronales constituyen un modelo de computación inspirado en la estructura del sistema nervioso de los animales superiores, y presentan grandes cualidades para resolver problemas difíciles de atacar usando metodologías convencionales. Por lo anterior las redes neuronales se utilizan para el desarrollo de sistemas inteligentes, con naturaleza adaptativa, y capaces de aprender de su entorno; sistemas resistentes al ruido y con un desempeño claramente superior a las técnicas usuales utilizadas en diversos campos. La investigación sobre redes neuronales data de por lo menos 70 años atrás, pero en los últimos 20 años se ha observado una verdadera revolución en la aplicación de redes neuronales en problemas de control, reconocimiento biométrico, bioinformática, detección de fraude bancario, entre otros. Lo anterior se debe a la aparición de nuevos algoritmos de entrenamiento y de hardware cada vez más potente, que sumados han permitido este gran avance en el campo de la inteligencia artificial. Por esto, para el profesional en informática y áreas afines, el entrenamiento en inteligencia artificial – específicamente en redes neuronales –, representa una herramienta cada vez más valiosa y fundamental, puesto que los problemas que enfrentamos en el campo se hacen cada vez más complejos. El reconocimiento de patrones arbitrariamente complejos en grandes sets de datos se ha vuelto una tarea de todos los días y la interacción hombre-máquina es cada vez más común.
Laboratorio virtual de programación para Moodle : manual de creación y verificación de actividades en VPL /
(2016) Pájaro Ordóñez, Keiner Alberto; Caicedo Torres, William
El Laboratorio Virtual de Programaci´on para Moodle nos permite crear una gran variedad de actividades, desde actividades de prueba, hasta actividades que se pueden evaluar directamente en la plataforma mediante la definici´on de casos de prueba, los cuales deben ser cumplidos por el programa desarrollado por el estudiante.
Modelo de Machine Learning para la clasificación de pacientes en términos del nivel asistencial requerido en una urgencia pediátrica con área de cuidados mínimos /
(2015) García Gazabón, Gisela Isabel; Caicedo Torres, William
Como lo menciona la superintendencia de Salud Nacional, en su revista “Monitor Estratégico Superintendencia Nacional de Salud” y en su “Informe Anual de Gestión”, en la ciudad de Cartagena, así como en otras ciudades como Barranquilla, Medellín, Bogotá, se presenta en general un problema grave de atención en los departamentos de urgencias de las diferentes clínicas de la ciudad y se percibe por la demora en la atención y la insatisfacción de los usuarios del servicio de salud; probablemente el colapso de esta área es causado por muchos factores influyentes como la falta de infraestructura física y de recurso humano, la mala asignación de recursos, la falta de personal debidamente capacitado, desmotivación laboral y más que todo por pacientes que utilizan el servicio de urgencias de una clínica en busca de una atención eficiente en comparación con la atención brindad en las consultas externas. Esto lleva a una experiencia negativa del usuario. Cuando un paciente llega al servicio de urgencias, el primer procedimiento que se realiza es la clasificación del padecimiento que refiere para determinar la complejidad con que llega, a esto se le conoce como Triage.
Resolución del problema del tamaño de lote multinivel capacitado aplicando optimización por enjambre de partículas con búsqueda local
(2012) Padrón Cano, Jaime Manuel; Caicedo Torres, William
Un problema que se presentan en los sistemas de manufactura de las empresas, especialmente pequeñas y medianas empresas, es que la programación de la producción está basada bajo modelos de arrastre de la demanda deterministas, es decir, el proceso de la planificación de los tamaños de lotes de insumos o componentes para la fabricación de productos finales que poseen jerarquías multiniveles y restricciones de capacidad como horas hombres, números de maquinas entre otras, son un problema que se pueden convertir en oportunidades de mejora debido a que se pueden equilibran los costos de ordenamiento de un lote y los costos de inventarios por productos que permita obtener una reducción en los costos totales y así mejorar la productividad de las empresas. Este trabajo presenta una metodología para la solución del problema del tamaño de lote multinivel capacitado, basado en una técnica metaheurísticas llamada optimización por enjambre de partículas o PSO por sus siglas en ingles (Particle Swarm Optimization), la cual se ha demostrado que tiene un buen desempeño dentro de las familia de metaheurísticas, así que se propone el desarrollo de este tema agregando el concepto una búsqueda local que permita generar óptimos locales y permita mejorar las soluciones encontradas por las partículas, denominando a está técnica como la utilización de una hiperheurística.