Local cover image
Local cover image

Aplicación de tecnologías de aprendizaje automático para predecir negocios y tomar decisiones empresariales

By: Contributor(s): Material type: TextTextPublication details: 2021Description: 1 archivo (2,3 MB) : il. colSubject(s): Online resources:
Contents:
Capítulo 1 - Toma de decisiones -- Componentes de la toma de decisiones -- Tipos de decisiones -- Capítulo 2 - Arquitectura de software en aplicaciones empresariales -- Separation of concerns - Separación de preocupaciones / arquitectura de responsabilidad única -- N-tier architecture -- Arquitectura basada en microservicios (Microservices architecture) -- Stateless services architecture (Arquitectura de servicios sin estado) -- Inversión de control e Inyección de dependencias -- .NET Foundation -- Entity Framework -- Code-First Workflow -- Angular: -- Capítulo 3 - Machine learning (aprendizaje automático) -- Surgimiento del Machine Learning -- Definición de aprendizaje automático -- Algunos ejemplos que hoy utilizan algunas empresas -- Pasos para crear modelos de ML -- Tipos de aprendizajes -- Aprendizaje supervisado -- Aprendizaje no supervisado -- Aprendizaje semi-supervisado -- Análisis descriptivo -- Análisis predictivo -- Capítulo 4 - Deep Learning -- ¿Por qué es importante el Deep Learning hoy en día? -- Definición de redes feedforward -- Redes neuronales y la back propagación: -- Capítulo 5 – Implementación del sistema de logística de productos -- 3Arquitectura de la solución -- Control de código fuente: -- Portal de manejo de productos: -- Portal de ventas -- Módulo de servicios -- Módulo de simulación de ventas y machine learning -- Módulo de procesamiento Machine Learning. (Pronóstico de Ventas Diarias con Redes Neuronales) -- Tensor Flow -- Serie temporal -- Creamos la Red Neuronal Artificial -- Ejecución del módulo de Deep learning -- Predicciones y movimientos de productos entre países -- Modelo de Base de datos SQL Server -- Capítulo 6.- Conclusión -- Capítulo 7 - Trabajos futuros y limitaciones -- Más allá del aprendizaje automático: aprendizaje profundo y sistemas adaptativos bio-inspirados -- Limitaciones del Deep learning -- Mejora del modelo de Series Temporales con Múltiples Variables y Embeddings -- Anexo 1 - Inteligencia Artificial y sus orígenes -- Orígenes de la inteligencia artificial y aprendizaje automático -- Anexo 2 - Redes Neuronales -- El modelo Biológico -- La Neurona artificial -- Estado de activación -- Conexiones entre neuronas -- Algoritmo de aprendizaje de perceptrones -- Neuronas Sigmoides -- Anexo 3 - Big Data y Data mining -- Diferencia entre sistemas convencionales y sistemas basados en big data -- Big Data y Data Science -- Bibliografía -- Páginas de referencia -- 4Cursos on-line
Dissertation note: Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Home library Collection Call number URL Status Date due Barcode
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática TES 21/18 (Browse shelf(Opens below)) Available DIF-04958
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.

Capítulo 1 - Toma de decisiones -- Componentes de la toma de decisiones -- Tipos de decisiones -- Capítulo 2 - Arquitectura de software en aplicaciones empresariales -- Separation of concerns - Separación de preocupaciones / arquitectura de responsabilidad única -- N-tier architecture -- Arquitectura basada en microservicios (Microservices architecture) -- Stateless services architecture (Arquitectura de servicios sin estado) -- Inversión de control e Inyección de dependencias -- .NET Foundation -- Entity Framework -- Code-First Workflow -- Angular: -- Capítulo 3 - Machine learning (aprendizaje automático) -- Surgimiento del Machine Learning -- Definición de aprendizaje automático -- Algunos ejemplos que hoy utilizan algunas empresas -- Pasos para crear modelos de ML -- Tipos de aprendizajes -- Aprendizaje supervisado -- Aprendizaje no supervisado -- Aprendizaje semi-supervisado -- Análisis descriptivo -- Análisis predictivo -- Capítulo 4 - Deep Learning -- ¿Por qué es importante el Deep Learning hoy en día? -- Definición de redes feedforward -- Redes neuronales y la back propagación: -- Capítulo 5 – Implementación del sistema de logística de productos -- 3Arquitectura de la solución -- Control de código fuente: -- Portal de manejo de productos: -- Portal de ventas -- Módulo de servicios -- Módulo de simulación de ventas y machine learning -- Módulo de procesamiento Machine Learning. (Pronóstico de Ventas Diarias con Redes Neuronales) -- Tensor Flow -- Serie temporal -- Creamos la Red Neuronal Artificial -- Ejecución del módulo de Deep learning -- Predicciones y movimientos de productos entre países -- Modelo de Base de datos SQL Server -- Capítulo 6.- Conclusión -- Capítulo 7 - Trabajos futuros y limitaciones -- Más allá del aprendizaje automático: aprendizaje profundo y sistemas adaptativos bio-inspirados -- Limitaciones del Deep learning -- Mejora del modelo de Series Temporales con Múltiples Variables y Embeddings -- Anexo 1 - Inteligencia Artificial y sus orígenes -- Orígenes de la inteligencia artificial y aprendizaje automático -- Anexo 2 - Redes Neuronales -- El modelo Biológico -- La Neurona artificial -- Estado de activación -- Conexiones entre neuronas -- Algoritmo de aprendizaje de perceptrones -- Neuronas Sigmoides -- Anexo 3 - Big Data y Data mining -- Diferencia entre sistemas convencionales y sistemas basados en big data -- Big Data y Data Science -- Bibliografía -- Páginas de referencia -- 4Cursos on-line

Click on an image to view it in the image viewer

Local cover image