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

Browsing Trabajos finales de carrera de postgrado by Subject "ALGORITMOS"

Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    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.
  • Thumbnail Image
    Item
    Duphly
    (Universidad ORT Uruguay, 2020) Nieves Molina, Gastón Javier; Tasistro Souto, Álvaro Daniel; Cancela, Héctor; Yovine, Sergio Fabián
    La presente tesis consiste en el desarrollo de una herramienta capaz de componer música de forma automática o asistida. El sistema resultante puede ser categorizado como composición algorítmica y sistema experto. Dicho sistema provee un entorno que permite la creación de reglas por parte del usuario, las cuales luego son aplicadas para la creación automática de una línea melódica. Para este trabajo se contó con la colaboración de un músico y compositor profesional del medio. La tesis incluye tres secciones: la primera consiste en un análisis del estado del arte, la segunda es la implementación completa en máquina de la gramática para la generación de bases armónicas de blues de 12 compases y por último, el planteo e implementación del entorno para la creación de reglas a ser utilizadas por el sistema en la generación automática de líneas melódicas, facilitando el manejo al usuario. Esta última parte se divide en tres etapas, dos de selección de partes de la obra y una de modificación. En la etapa de modificación se permite el uso de una condición de modificación y una de optimización o garantía. Dado que existen múltiples modificaciones válidas se utilizan algoritmos evolutivos, permitiendo así realizar una búsqueda de soluciones más eficiente y con diversos resultados. El sistema se aplica particularmente para la composición de blues de 12 compases, pero esto no se presenta como una limitación sino más bien como un caso particular de las capacidades del sistema. Además el sistema provee la salida en PDF del resultado en una partitura estándar, así como una salida en archivo MIDI (Musical Instrument Digital Interface).
  • Thumbnail Image
    Item
    Inferencia de tipos de sesión
    (Universidad ORT Uruguay, 2011) Copello Gigirey, Ernesto Sebastián; Tasistro Souto, Álvaro Daniel; Szasz Cerutti, Nora Adriana; Paganini Herrera, Fernando Gabriel; Fridlender, Daniel
    El problema que se aborda en la tesis es el desarrollo de un algoritmo que realice inferencia de tipos para sistemas de tipos de sesión. Para ello, se consideran los sistemas existentes en la literatura, se propone una variante que consiste en un fragmento suficientemente representativo y se lo extiende con esquemas de tipos. Para este sistema se desarrolla un algoritmo de inferencia de tipos. Tanto la propuesta de un sistema de tipos de sesión con esquemas de tipos como el desarrollo del algoritmo de inferencia para el mismo son contribuciones originales en el área.
  • Thumbnail Image
    Item
    Predicción usando Machine Learning del estado del biomarcador genético Metil guanina metil transferasa (MGMT) para el tratamiento de tumores cerebrales
    (Universidad ORT Uruguay, 2022) Cohen Oks, Tanya Karen; Yovine, Sergio Fabián; Galmarini, Carlos María; Sanguinetti Acosta, Carlos Julio
    El siguiente trabajo final se sitúa en el contexto general de la aplicación de algoritmos de aprendizaje automático en el ámbito de la salud. Un tumor maligno en el cerebro es una afección potencialmente mortal. Conocido como glioblastoma, es la forma más común de cáncer cerebral en adultos y la que tiene el peor pronóstico, con una media de supervivencia de menos de un año. En este trabajo se aborda el problema de la predicción de información genética, estudiando el contexto del estado del arte en radiogenómica y su aplicación concreta en la predicción de la metilación del gen MGMT. El gen MGMT está localizado en el cromosoma 10q26 y codifica para una enzima reparadora del ADN que remueve grupos alquilo en la posición O de la guanina. Estos grupos O alquilos en la guanina, producen que las hebras de ADN se rompan y las bases no se acoplen, induciendo la apoptosis o muerte celular. El gen MGMT protege a las células normales de arcinógenos. Actualmente, el análisis genético del cáncer requiere cirugía para extraer una muestra de tejido. Luego puede tomar varias semanas determinar la caracterización genética del tumor. Dependiendo de los resultados y el tipo de terapia inicial elegida, puede ser necesaria una cirugía posterior. Si se pudiera desarrollar un método preciso para predecir la genética del cáncer a través de imágenes (es decir, mediante lo que se conoce como “radiogenómica“) se podría minimizar el número de cirugías y refinar el tipo de terapia requerida.