dc.contributor.advisor | Huertas Fabian, Nicole Valery | |
dc.contributor.author | Huertas Fabian, Nicole Valery | |
dc.contributor.author | Salcedo Zapata, Juan Antonio | |
dc.date.accessioned | 2024-01-24T16:08:43Z | |
dc.date.available | 2024-01-24T16:08:43Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/131599 | |
dc.description.abstract | Esta investigación tiene como objetivo general desarrollar un Sistema Inteligente
con Machine Learning basado en selección de variables para predecir el
rendimiento académico de la I.E.P. “Nuestra Señora de Copacabana”. La tesis es
de tipo aplicada y como población tuvo un total de 256 estudiantes del nivel
secundaria, donde se realizó un muestreo no probabilístico y para la recolección de
datos se utilizó el cuestionario. Para el desarrollo del estudio se empleó las
siguientes etapas de la metodología KDD: La primera etapa que es la selección de
datos, se realizó la recopilación de la información de los estudiantes, en la segunda
etapa, se llevó a cabo el preprocesamiento de los datos, realizando la limpieza y el
análisis exploratorio, en la tercera etapa que es la transformación de los datos, se
hizo la asignación de valor numérico y exportación en la base de datos, en la cuarta
etapa se realizó la minería de datos en base al entrenamiento del modelo con diez
algoritmos de aprendizaje automático (DT, RF, SVM, ANN, GBM, MP, K-NN, NB,
LR y AB). Finalmente, en la quinta etapa, se hizo la interpretación de los datos y el
diseñó del sistema inteligente para predecir el rendimiento académico en base a
las métricas de evaluación (especificidad, precisión, sensibilidad, exactitud y F1-
Score). Dados que los resultados de los algoritmos DT, SVM, GBM y ADA,
obtuvieron con un 100% en todas las métricas, se concluye que el sistema realiza
la predicción del rendimiento académico de forma muy precisa. | 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 | Sistema Inteligente | es_PE |
dc.subject | Maching Learning (ML) | es_PE |
dc.subject | Selección de variables | es_PE |
dc.subject | Predicción | es_PE |
dc.subject | Rendimiento académico | es_PE |
dc.title | Sistema inteligente con Machine Learning basado en selección de variables para predecir el rendimiento académico de la I.E.P. “Nuestra Señora de Copacabana | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Ingeniería de Sistemas | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.name | Ingeniero de Sistemas | es_PE |
dc.description.sede | Lima Norte | es_PE |
dc.description.escuela | Escuela de Ingeniería de Sistemas | es_PE |
dc.description.lineadeinvestigacion | Sistemas de Información y Comunicaciones | es_PE |
renati.advisor.dni | 04206862 | |
renati.advisor.orcid | https://orcid.org/0000-0002-6211-4578 | es_PE |
renati.author.dni | 72762827 | |
renati.author.dni | 72084487 | |
renati.discipline | 612076 | es_PE |
renati.juror | Estrada Aro, Willabaldo | |
renati.juror | Perez Huaman, Omar | |
renati.juror | Daza Vergaray, Alfredo | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | 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 | Fortalecimiento de la democracia, ciudadanía y cultura de paz | es_PE |
dc.description.ods | Fin de la pobreza | es_PE |