Trabajos finales de carrera de postgrado

Permanent URI for this collection

https://rad.ort.edu.uy/handle/20.500.11968/2714

Estos trabajos de fin de carrera son obras producidas por estudiantes, que se originan en los procesos formativos de la universidad.

Tienen propósitos culturales y educativos. No son productos comerciales y su difusión pública no está autorizada.

Browse

Now showing 1 - 5 of 5

Anticipando la fuga de clientes
(Universidad ORT Uruguay, 2023) Abisab Prinzo, Nazim; Lembo Cóppola, Yanina; Oliari Ciaponi, Luis Emilio; Bianchi, Alejandro; Espinosa, Marcelo; Mora Riquelme, Hugo Andrés
En el siguiente trabajo final se desarrollan conceptos teóricos de aprendizaje automático, la generación de algoritmos de aprendizaje supervisado y no supervisado que permiten predecir el comportamiento. En este caso, un algoritmo capaz de predecir el comportamiento de los clientes de una empresa que presta servicios a otras empresas (B2B), así como también la agrupación de estos en base a características comunes. Se realizó un entendimiento general de la empresa cliente. Luego se investigaron técnicas de aprendizaje automático para abordar la problemática de fuga de clientes en una empresa de servicios, se desarrollaron y testearon algoritmos para predecir el “Churn rate”, que es la métrica que mide el número de clientes y suscriptores que han dejado de seguir a una compañía. Se compararon los resultados de los diferentes algoritmos con la métrica de Curva de ROC. Luego de haber llegado a un algoritmo aceptable, se continúa aplicando técnicas de aprendizaje no supervisado para el análisis de grupos de los clientes y en base a una combinación de estas métricas, desarrollar conclusiones. Se aplicó lenguaje de programación Python para los algoritmos de aprendizaje supervisado y no supervisado, Power Query para transformación inicial de variables del conjunto de datos y Power BI para la extracción de conclusiones de clientes. Los resultados obtenidos para la predicción fueron más que satisfactorios. Se crearon tres grupos de clientes, número óptimo según el análisis realizado. Como conclusión se realizaron recomendaciones a la empresa para mejorar el manejo y gobernanza de datos, la interpretación de resultados, las técnicas y algoritmos a aplicar.
Aprendizaje reforzado para la priorización de casos de prueba en el testing de regresión de los servicios de la API de Bantotal
(Universidad ORT Uruguay, 2021) Alvarez Cernicchiaro, Gabriel Luis; Begerez Oyhenard, Marcos Adrian; Bonifacino Belzarena, Lucía; Yovine, Sergio Fabián; Braberman, Victor Adrian; Bianchi, Alejandro; Gravano, Agustin
El objetivo de este trabajo final es implementar un Mínimo Producto Viable (MVP, Minimum Viable Product) de una herramienta que mediante el uso de Inteligencia Artificial asista en el testing de regresión de la API de la plataforma bancaria Bantotal. Con este fin, se analizaron un conjunto de trabajos en los cuales se utiliza la Inteligencia Artificial con el mismo objetivo. Entre ellos se escogió el trabajo “Reinforcement Learning for Test Case Prioritization” de Bagherzadeh et al.; el mismo se enfoca en la priorización de casos de prueba. Se comparan distintas técnicas de priorización utilizando aprendizaje reforzado y concluyendo en la elección de una de las alternativas como la mejor. Se complementó el enfoque anterior en base al trabajo “Learning-to-Rank vs Ranking-to-Learn: Strategies for Regression Testing in Continuous Integration” de Bertolino et al., que ofreció una visión de la implementación de estas estrategias en pruebas de regresión, en un contexto de un sistema en producción similar al que estamos enfocando. Este trabajo muestra la viabilidad de la solución planteada a través del desarrollo del MVP. Asimismo, permite validar las virtudes de diseño del modelo presentado en este trabajo que lo hacen adaptables a sistemas en producción de la industria como es el caso de Bantotal. La solución planteada mejora las capacidades de pruebas de regresión de la API de Bantotal y los resultados obtenidos en este trabajo son muy alentadores.
Nexden
(Universidad ORT Uruguay, 2021) Carbonell González, Ignacio; Espinosa Peralta, Carlos Marcelo; Trocki Beitler, Victor; Bianchi, Alejandro; Bonillo Ramos, Pedro Nolasco; Yovine, Sergio Fabián
El presente trabajo final tiene como objetivo generar una prueba de concepto para una solución de servicios tecnológicos basados en conocimiento y explotación de datos, para una empresa dedicada a la distribución de alimentos en zonas carenciadas. Se trata de resolver el problema de la asignación y despacho de rutas para la distribución, en un contexto donde los servicios de geolocalización que son utilizados por la empresa carecen de información confiable sobre las zonas periféricas o alejadas de los centros más poblados. Luego de un análisis de los datos que dispone la empresa se seleccionó un subconjunto de los mismos con aquellos que resultaron más relevantes. A partir de los mismos se elaboraron un conjunto de herramientas que permiten agregar a la información de los servicios existentes “una capa” de conocimiento capaz de capturar aquella información definida como relevante para el negocio con el objetivo de poder clasificarlas como mejores o peores rutas en consideración de lo que resulta relevante para la empresa (distancia, estado, composición, restricciones, etc.). Se realizó como parte del trabajo, un análisis detallado de las fuentes de datos proporcionados por la empresa de forma de tener una idea clara del grado de profundidad y calidad que se puede obtener de la implementación de una solución de estas características en el momento actual y futuro. También se realizaron recomendaciones pertinentes en el caso de que se quisiera profundizar en las soluciones presentadas en este trabajo.
NOVADOC
(Universidad ORT Uruguay, 2023) Conde Vitureira, Gabriela Elizabeth; Morás Muracciole, Carlos Rodrigo; Mora Riquelme, Hugo Andrés; Espinosa, Marcelo; Bianchi, Alejandro
El Banco Central del Uruguay (BCU) es responsable de regular y supervisar las entidades y actividades financieras, plasmando en resoluciones su voluntad respecto del mejor funcionamiento del sistema. Estas resoluciones se encuentran disponibles en la web institucional en formato PDF, lo que dificulta su búsqueda y extracción de información. El objetivo de este trabajo final es crear una herramienta llamada NOVADOC que extraiga y almacene la información relevante en un formato estructurado, permitiendo búsquedas según patrones de lenguaje y siendo fácil de usar para los usuarios. La herramienta utiliza técnicas de Big Data como RPA, OCR, MongoDB y NLP, y se desarrolló siguiendo la metodología SCRUM. NOVADOC ha sido exitosamente implementada en el BCU, con un gran número de usuarios que la utilizan y reportando tiempos de búsqueda más cortos que otras alternativas de software.
Proyectos de big data en organizaciones actuales
(Universidad ORT Uruguay, 2021) Saldías Mironenko, Juan Ignacio; Bianchi, Alejandro; Bonillo Ramos, Pedro Nolasco; Yovine, Sergio Fabián
El siguiente trabajo final aborda la problemática de la incorporación de las tecnologías de Big Data en instituciones financieras, enfocándose concretamente como caso de estudio, en la implementación de un sistema de información de gestión del negocio de las tarjetas de crédito en un banco internacional que opera en plaza. En el informe se manifiestan los desafíos de gobernanza de TI y datos que deben enfrentarse. Se describe la administración del negocio de las tarjetas de crédito, sugiriendo posibles caminos de solución, ilustrando su potencial explotación para el análisis de datos en el contexto de un CRM (Customer Relationship Management). A los efectos de enriquecer este análisis, se expone un ejemplo simplificado de cómo podría acoplarse la organización en los activos de información logrados con la implementación del CRM de tarjetas para seguir agregando valor al negocio. Para ello se mostrará el proceso de implementación de un algoritmo basado en la información del CRM de tarjetas.

Browse

Browsing Trabajos finales de carrera de postgrado by Author "Bianchi, Alejandro"

Results Per Page

Sort Options