Now showing items 1-4 of 4

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..

Nova Barreto, Laura Tatiana; Caro Mesa, Jorge Sebastián; Cruz Rodriguez, Camilo Andrés (BogotáMaestría en Desarrollo y Gerencia Integral de Proyectos, 2021)

Organizaciones como The Standish Group publican anualmente estadísticas del porcentaje de éxito o fracaso de proyectos de TI (Tecnología Informática), las cuales revelan que alrededor del 31.1% de los proyectos que se ...
Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos

Guzmán Martínez, Santiago; Silva Rincón, Licetd; Zarate Bonilla, Daniela (Semillero de investigación en Gerencia de ProyectosIngenieríaBogotá, D.C.Ingeniería Civil, 2021)

La presente investigación se enfoca en la creación de la guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos, la cual se genera a partir de la revisión literaria en la que se ...
Framework para el Aprendizaje de Redes Neuronales Profundas

Anzola Avila, Alejandro; Moreno Silva, Juan Andres (Escuela Colombiana de Ingeniería Julio GaravitoIngeniería de Sistemas, 2020)

El aprendizaje automático es un campo de la inteligencia artificial que se ha desarrollado exponencialmente en los últimos años gracias a la inmensa cantidad de datos disponibles, al enorme poder de procesamiento con el ...
El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot

Álvarez Piñeiro, Olga Patricia; Alvarado Pérez, Kevin Julián; Sánchez Prieto, Kevin Snaider (Estados Unidos, 2018)

En el presente artículo se muestran resultados de los avances obtenidos como resultado de un proyecto de grado realizado por estudiantes de pregrado del programa de Ingeniería de Sistemas de la Escuela Colombiana de ...

Envíos recientes

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..
...
Nova Barreto, Laura Tatiana | 2021

Organizaciones como The Standish Group publican anualmente estadísticas del porcentaje de éxito o fracaso de proyectos de TI (Tecnología Informática), las cuales revelan que alrededor del 31.1% de los proyectos que se realizan en el transcurso de un año fracasan o son cancelados, el 52.7% superan en costo, tiempo y/o funcionalidad prometida y solo el 16.2% de los mismos se consideran exitosos. Ahora bien, estas cifras corresponden al sector de las Tecnologías de la Información y la Comunicación (TIC), el cual para el año 2017 representaba el 6.5% del PIB mundial; en este sentido, si estas cifras se proyectaran de forma equivalente en el sector de la construcción, cuyo aporte al PIB mundial en el mismo año superaba el 13%, se confirmaría la existencia de una situación alarmante en la ejecución de los proyectos. Cabe señalar que las cifras anteriores, coinciden con las estadísticas entregadas por el Project Management Institute en su informe anual, puesto que para el 2019 los proyectos que fracasaron en su totalidad superaban el 18% y los que no cumplieron con sus objetivos el 39%. No obstante, aquellas empresas que han venido implementado nuevas prácticas, conocidas como “PMTQ Innovators”, han logrado disminuir en un 42% los proyectos que han excedido su presupuesto inicial y en un 46% aquellos que excedieron el tiempo planeado. Por lo anterior, son las alarmantes cifras las que ratifican la necesidad de nuevas herramientas que contribuyan a la disminución de las tasas de fracaso de los proyectos; es aquí donde toma fuerza la incursión del ámbito tecnológico en la evaluación de proyectos y donde esta investigación demuestra que es posible predecir el éxito de los proyectos haciendo uso de herramientas y algoritmos del Machine Learning, a través de un sistema de aprendizaje supervisado, modelado por medio de una red neuronal artificial entrenada a partir de bases de datos históricos de proyectos ejecutados, a los cuales se les calcula su éxito bajo los lineamientos de la triple restricción: costo, tiempo y alcance. Es así, que se da a conocer una herramienta que proporciona a la evaluación de proyectos un indicador diferente a las métricas financieras tradicionales (TIR, VPN, Rentabilidad del Negocio, ROI y B/C (Costo - beneficio)) para la toma de decisiones, con el fin de minimizar la tasa de proyectos fracasados. Finalmente, al entrenar esta herramienta con la data histórica de la última década de los proyectos de infraestructura en Colombia, se determina que si el Estado hubiese usado este modelo, más de 45.000 proyectos no exitosos con costos superiores a 60.000 millones de pesos, pudieron haber sido reestructurados o rechazados previo a su inicio; adicionalmente, se hubieran podido destinar a otros proyectos, recursos superiores a los 5.000 millones de pesos, que fueron ejecutados en más de 1000 contratos fracasados por año.

LEER
Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos
...
Guzmán Martínez, Santiago | 2021

La presente investigación se enfoca en la creación de la guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos, la cual se genera a partir de la revisión literaria en la que se identifican buenas prácticas y casos de éxito en la gestión de equipos de proyectos en entorno remotos, así como sus desafíos. De otro lado, se determina un conjunto de herramientas tecnológicas que fomentan el trabajo colaborativo, las cuales se clasifican de acuerdo con las necesidades en gestión de equipos remotos, identificadas previamente en la literatura. Finalmente, se seleccionan aquellas herramientas que de acuerdo con los Ranking internacionales cumplan con un mínimo de 9.0 en 10.0 (en el puntaje de la organización) y un mínimo de 80% en 100% (en el puntaje de satisfacción de usuarios) y son estas las que se presentan en la guía. Cabe resaltar que las herramientas son útiles si se les da el uso adecuado, por lo que es fundamental, el desarrollo de las competencias personales y los habilitadores organizacionales para potenciar la gestión de los equipos, pues es aquí donde la colaboración juega un papel importante para el éxito de los proyectos que, al permitir la integración del trabajo basado en herramientas tecnológicas, permite la conexión real a pesar de la virtualidad.

LEER
Framework para el Aprendizaje de Redes Neuronales Profundas
...
Anzola Avila, Alejandro | 2020

El aprendizaje automático es un campo de la inteligencia artificial que se ha desarrollado exponencialmente en los últimos años gracias a la inmensa cantidad de datos disponibles, al enorme poder de procesamiento con el que ahora se cuenta y a las innovaciones tecnológicas que se han logrado en este campo. Dentro de las grandes fortalezas que ofrece esta tecnología es la de poder resolver una amplia cantidad de problemas de diferentes dominios y áreas del conocimiento, e incluso es posible reusar el conocimiento y el modelo obtenido al resolver un problema en problemas de dominios similares. Uno de los principales actores en esta revolución son las redes neuronales, que pertenecen al campo del aprendizaje automático. Esta tecnología nos permite resolver una infinidad de problemas, desde clasificar números hasta generar código dado una instrucción en lenguaje natural. Sin embargo, esta tecnología tiene una curva de aprendizaje elevada. Nuestra solución a este problema es ofrecer recursos de aprendizaje de redes neuronales para que el estudiante pueda aprender conceptos bases a través de la experimentación y la extensión de los mismos. Los recursos desarrollados son (i) un framework de aprendizaje (marco de trabajo) y (ii) un conjunto de casos problema-solución. El framework (marco de trabajo) permite que los estudiantes puedan construir y probar modelos de redes neuronales. Este framework está diseñado con el fin de ser una ayuda para la comprensión de conceptos claves a novatos interesadas en el campo, siguiendo lineamientos de buenas practicas de ingeniería de software. El framework está pensado para representar los conceptos base de inteligencia artificial, de manera suficientemente general como para poder extenderlo para implementar diferentes modelos de redes neuronales. Para esto, el framework cuenta con distintos componentes extensibles que corresponden a los principales conceptos de redes neuronales. Dentro de estos componentes se encuentran: los tipos de redes neuronales (profundas, recurrentes y convolucionales); las funciones de activación y costo; los mecanismos de regularización y optimización, entre otros. En el conjunto de casos problema-solución se trabajaron tres problemas clásicos y un problema especializado en el área de hidrología. Los problemas clásicos seleccionados fueron la clasificación de dígitos escritos a mano con redes densas y convolucionales y la clasificación de textos (positivos ó negativos) con redes recurrentes. El problema en hidrología fue la predicción de un caudal en el río Magdalena, en este trabajo se realizaron dos modelos con el fin de evaluarlas: un perceptrón multicapas (MLP por sus siglas en inglés (MultiLayerPerceptron) y un modelo secuencial de capas con memoria (LSTM por sus siglas en inglés (LongShort Term Memory) ) con el fin de evaluarlas. Los casos desarrollados nos permitieron, además de generar recursos de aprendizaje, probar la versatilidad del framework. En tres de los cuatro casos se comprobó el desempeño adecuado del framework. El caso que no fue posible implementar fue el de redes neuronales recurrentes por problemas de alcance; sin embargo, están consideradas en el diseño de la estructura del framework. En la implementación de los casos se evidenció que el framework trabaja alineado con la filosofía de buenas practicas de desarrollo de software. En particular, en la implementación del problema en hidrología, se demostró que esta especialmente diseñado para tener fácil extensibilidad. Una de las métricas de desempeño que se tomaron fueron los tiempos de entrenamiento, aunque no es parte de los objetivos, de forma que se tuviera una forma de comparación en ese aspecto. No fue inesperado encontrar que el desempeño en Keras supero considerablemente a la implementación hecha en el framework. Finalmente, uno de los aspectos claves del framework es que fue diseñado con modelos supervisados en mente, lo cual permite extenderlo con modelos supervisados diferentes a las redes neuronales. Como trabajo futuro se desea incluir las lineas de aprendizaje no-supervisado ó aprendizaje reforzado.

LEER
El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot
...
Álvarez Piñeiro, Olga Patricia | 2018

En el presente artículo se muestran resultados de los avances obtenidos como resultado de un proyecto de grado realizado por estudiantes de pregrado del programa de Ingeniería de Sistemas de la Escuela Colombiana de Ingeniería, proyecto que planteó como objetivo principal: "Diseñar, desarrollar implementar y evaluar un Agente Inteligente (Chatbot), como recurso tecnológico para la atención a la comunidad. El artículo muestra resultados de las diversas etapas de desarrollo del proyecto: investigación para conceptualizar la tecnología denominada Chatbot y su evolución, análisis de infaltables en la construcción de un Chatbot para que logre su correcto funcionamiento, identificación de problemas prioritarios de la Escuela Colombiana de Ingeniería, relacionados con la comunicación con la comunidad y finalmente conclusiones.

LEER

‹›

Repositorio Digital

Browsing by Subject "Artificial Intelligence"

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..

Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos

Framework para el Aprendizaje de Redes Neuronales Profundas

El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot

Envíos recientes

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..

Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos

Framework para el Aprendizaje de Redes Neuronales Profundas

El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot

Browsing by Subject "Artificial Intelligence"

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado.. ﻿

Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos ﻿

Framework para el Aprendizaje de Redes Neuronales Profundas ﻿

El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot ﻿

Envíos recientes

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..

Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos

Framework para el Aprendizaje de Redes Neuronales Profundas

El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot

Diseño de un modelo de evaluación de proyectos a partir de herramientas de machine learning o aprendizaje automatizado..

Elaboración de una guía de herramientas colaborativas que contribuyen a la gestión de equipos en entornos remotos

Framework para el Aprendizaje de Redes Neuronales Profundas

El valor de la Inteligencia Artificial en el Servicio al Cliente EciBot