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

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