dc.contributor.advisor | Pacheco Torres, Juan Francisco | |
dc.contributor.author | Guzman Velez, Dayana Mariuxi | |
dc.date.accessioned | 2022-11-26T01:31:00Z | |
dc.date.available | 2022-11-26T01:31:00Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/102577 | |
dc.description.abstract | El actual trabajo de investigación tuvo como objetivo predecir la adquisición de
plataformas educativas. Se utilizó Machine Learning para predecir, buscando teoría
relacionada se encontró que el algoritmo de regresión lineal es usado con
frecuencia para predecir ventas, por ello, fue el aplicado en este estudio. Para
realizar el análisis de los datos, se usó el software estadístico R Studio, en el cual
se realizaron modelos predictivos para obtener una solución que permitiera mejorar
el cierre de ventas de productos. En el apartado de recolección de datos, se
utilizaron como instrumentos fichas de observación en el PreTest y PostTest. Luego
de aplicar la solución de Machine Learning, los resultados obtenidos fueron que se
redujo en un 18,01% (14 minutos) el tiempo para elegir plataformas; también, el
tiempo para elección de clientes potenciales se redujo en un 32,29% (65, 50
minutos). Otro resultado a considerar, fue que el índice de adquisiciones de
plataformas aumentó en un 16,50%, del mismo modo, el tiempo para cerrar ventas
se redujo en un 24,35%, gracias a la implementación de Machine Learning. Como
conclusión, se indica que la aplicación de un algoritmo de aprendizaje automático
mejora significativamente los procesos de cierre de ventas de productos
académicos | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Machine learning | es_PE |
dc.subject | Planificación educativa | es_PE |
dc.subject | Empresa | es_PE |
dc.title | Machine Learning para predecir la adquisición de plataformas educativas de la empresa Difucien Ecuador, 2022 | es_PE |
dc.type | info:eu-repo/semantics/masterThesis | es_PE |
thesis.degree.discipline | Maestría en Ingeniería de Sistemas con Mención en Tecnologías de la Información | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Escuela de Posgrado | es_PE |
thesis.degree.name | Maestro en Ingeniería de Sistemas con mención en Tecnologías de la Información | es_PE |
dc.description.sede | Trujillo | es_PE |
dc.description.escuela | Escuela de Posgrado | es_PE |
dc.description.lineadeinvestigacion | Sistema de Información y comunicaciones | es_PE |
renati.advisor.dni | 18167212 | |
renati.advisor.orcid | https://orcid.org/0000-0002-8674-3782 | es_PE |
renati.author.pasaporte | A8239445 | |
renati.discipline | 612427 | es_PE |
renati.juror | Rodriguez Peña, Milagros Janet | |
renati.juror | Pereda Guanilo, Victor Ivan | |
renati.juror | Pacheco Torres, Juan Francisco | |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Biodiversidad, cambio climático y calidad ambiental | es_PE |
dc.description.rsu | Desarrollo económico, empleo y emprendimiento | es_PE |
dc.description.ods | Trabajo decente y crecimiento económico | es_PE |