5 resultados
Resultados de la búsqueda
Mostrando 1 - 5 de 5
Ítem Modelo de pronóstico para la demanda de electricidad con un horizonte de tiempo de cinco años en el mercado regulado y no regulado de energía en Cali.(Universidad Icesi, 2022-06-01) Andrade Bonilla, Nelson Andrés; Castellanos Valencia, Mario José; Benítez Restrepo, Hernán Darío; Asesor TesisEn este trabajo de grado, se formuló una propuesta para abordar el problema de cómo mejorar la predicción de largo plazo en la demanda de energía eléctrica en Cali, utilizando técnicas de aprendizaje automático y modelos de inteligencia artificial. Para hacerlo se propuso una metodología basada en CRISP-DM, la cual propone en primera fase entender el negocio, seguidamente entender y preparar los datos, para lo cual se realizó análisis univariado y multivariado para conocer las posibles influencias y correlaciones entre los datos, posteriormente se realizó el modelamiento y evaluación de los modelos aplicados. Este fue un proceso iterativo dado que en algunas etapas los resultados condujeron a realizar nuevas pruebas y repetir partes del proceso. El proceso de preparación de los datos exigió un esfuerzo adicional por la dificultad que se encontró en la extracción de los datos del comercializador y de otras entidades. Los modelos de la ciencia de datos usados para abordar la solución al problema fueron algunos tradicionales como ARIMA, Support Vector Regression (SVR), Ridge, Lasso, Random Forest y otros representativos del estado del arte pertenecientes al aprendizaje profundo como Artificial Neural Networks - Particle Swarm Optimization (ANN-PSO) , Extreme Gradient Boost (XGBoost), Recurrent Neural Networks-Long Short-Term Memory (RNN-LSTM). Los resultados obtenidos mostraron que los modelos SVR y Ridge con optimización PSO y Gravitational Search Algorithm (GSA), muestran un mejor rendimiento cuando los datos no presentan mayores perturbaciones como es el caso del problema que aborda este estudio, mientras que los modelos profundos demostraron menor rendimiento como RNN-LSTM en las métricas seleccionadas. La validación a la que fue sometida la propuesta, consistió en aplicar métricas como RMSE, MAE y MAPE, utilizando validación cruzada y out-of-bag (OOB - muestra para test) con selección de conjuntos de entrenamiento y validación de diferentes horizontes.Ítem Estimación de modelos para el pronóstico de precios en el sector agropecuario en el distrito especial de Buenaventura, una aproximación econométrica usando el lenguaje de programación R.(Universidad Icesi, 2021-01-01) Gamarra Palacios, José Luis; Micolta Garzón, John Mario; Alonso Cifuentes, Julio César; Asesor TesisEl pronóstico de precios de productos es un problema ampliamente documentado, en la academia y la industria. El pronosticar los precios permite una debida planeación en la cantidad de productos que se pueden sacar a la venta. Además, permite estimar las ganancias que serán obtenidas en el futuro si los productos tienen determinado precio y, si las condiciones del mercado son relativamente estables y parecidas a las condiciones del pasado. En este trabajo abordaremos el problema de pronosticar precios para tres productos del sector agrícola en el Distrito Especial de Buenaventura: Yuca Chirosa, la Piña Gold y el Banano Criollo. Esto es importante para los campesinos pues, posibilitará la creación de planes de contingencia respecto a la siembra y cosecha de estos productos, basados en técnicas de ciencias de datos como complemento a las técnicas heurísticas, que son usadas por los campesinos basados en el conocimiento del negocio. Las estimaciones de los pronósticos de precios de los productos antes mencionados se realizaron a través de técnicas econométricas para series de tiempo mediadas por el lenguaje de programación R, para ello se usará la metodología CRISP-DM.Ítem Pronóstico de las tasas de interés de colocación de los establecimientos de créditos en Colombia(Universidad Icesi, 2025-06-25) Rodríguez Lasso, Álvaro; Ospitia Medina, Yesid; Agudelo Burbano, Diego FernandoLa tasa de interés de los créditos es crucial para las decisiones financieras personales y corporativas. Anticipar y pronosticar los movimientos de las tasas de interés es valioso tanto para los consumidores como para las entidades crediticias. Aprovechando la modernización de la Superfinanciera en la publicación de informes regulatorios relacionados con las tasas de crédito, el objetivo general de este proyecto es diseñar una herramienta basada en ciencia de datos para pronosticar el impacto en las tasas de interés de colocación de las entidades crediticias en Colombia, con base en el comportamiento de variables macroeconómicas relevantes como la tasa de intervención del Banco de la República, el IPC, el IBR y la tasa de fondos federales, entre otras. Debido al volumen de información, será necesario construir un datamart para posteriormente realizar un análisis exploratorio de datos (EDA), entrenar modelos de series de tiempo VaR y evaluar las mejores variables y el mejor modelo de predicción con sus respectivos hiperparámetros.Ítem Modelo de score crediticio: un enfoque basado en metodologías de machine learning para una cooperativa(Universidad Icesi, 2024-12-10) Rengifo Aguirre, Daniel Alejandro; Oviedo Belalcazar, Mario AndrésLas cooperativas son organizaciones que juegan un papel crucial en el desarrollo social y económico, promoviendo la inclusión y el crecimiento económico sostenible fuera de sus funciones sociales, las cooperativas de ahorro y crédito, permiten a sus asociados, obtener servicios financieros como; ahorros, préstamos, seguros y servicios, bajo condiciones especiales logrando facilitar el acceso a estos recursos, por ello es fundamental brindar herramientas precisas que permitan facilitar la toma de decisiones en el otorgamiento de crédito con el fin de salvaguardar la estabilidad de las entidades. (Naciones Unidas, 2023) El proyecto, busca aplicar metodologías basadas en analítica, mediante uso de machine learning, para determinar de manera rigurosa un score o puntaje de crédito que permita evidenciar durante la fase de estudio de crédito, la capacidad y disposición de pago de los asociados aspirante a crédito, con el fin no solo de mejorar las herramientas bajo las cuales actualmente se administra el riesgo de crédito, sino que también contribuya a la sostenibilidad financiera de la cooperativa. Este estudio se fundamenta en el análisis previo relacionado con los factores que influyen en el comportamiento de crédito, enfocándose en la selección de características más relevantes para el desarrollo del score, este análisis incluye la evaluación de los modelos de clasificación usando métricas clave como precisión (Accuracy), sensibilidad (Recall) y puntaje F1 (F1-Score), con el objetivo de garantizar la robustez, precisión y aplicabilidad del modelo en el contexto de la cooperativa.", Este trabajo cobra validez dado que, en la actualidad, no se cuenta con un score interno preciso sino que las decisiones de otorgamiento se realizan en función del criterio experto del evaluador. Con esta propuesta se pretende facilitar el análisis y disminuir los tiempos de respuesta al asociado, así como contribuir a la adopción de metodologías y herramientas que robustecen el área de administración del riesgo crediticio dentro de la organización.Ítem Smartprice insights: sistema basado en inteligencia artificial para la generación de insights de precios en el mercado inmobiliario de Homty(Universidad Icesi, 2024-12-10) Montaño Cuero, Yesid Humberto; Muñoz Castillo, Javier Ricardo; Rodriguez, Ian MateoActualmente, el sector inmobiliario enfrenta importantes desafíos para tomar decisiones informadas, principalmente debido a la falta de análisis de datos históricos y la falta de comprensión de las tendencias de precios. Este trabajo busca abordar este problema mediante el uso de técnicas avanzadas de ciencia de datos. Homty, empresa dedicada a recopilar y analizar información sobre más de 600.000 propiedades en Colombia, ha identificado una oportunidad crucial para mejorar la rentabilidad de las inversiones en este sector. Esta tesis propone explorar la implementación de técnicas de ciencia de datos e inteligencia artificial para analizar el comportamiento histórico de los precios de propiedades residenciales, como apartamentos y casas, en las principales ciudades del país, como Bogotá, Cali y Medellín.