Repositorio digital UTEQ :: Browsing Maestria en Ciencias de Datos by Issue Date

Browse

Now showing 1 - 6 of 6

Open Access
Aprendizaje profundo para la detección de armas de fuego en sistemas de videovigilancia
(Quevedo: UTEQ, 2024) Briones Montalvo , Cristhian Danilo; Zambrano Vega , Cristian Gabriel
Ecuador enfrenta un desafío creciente de inseguridad, potenciado por el narcotráfico y la proliferación de armas de fuego, lo que exige soluciones inteligentes que combinen estrategias de seguridad pública y tecnológica. En este contexto, los sistemas de videovigilancia basados en circuitos cerrados de televisión (CCTV) se han convertido en herramientas cruciales para el monitoreo y registro de eventos en tiempo real. Sin embargo, para combatir eficazmente la amenaza de las armas de fuego, se requieren sistemas precisos de detección en tiempo real. Este proyecto aborda una necesidad urgente al explorar técnicas de aprendizaje profundo y visión por computadora para desarrollar un sistema de reconocimiento de armas en sistemas de CCTV, con el objetivo de proponer una herramienta informática que pueda contribuir a la lucha contra la proliferación de armas de fuego y la violencia en la sociedad ecuatoriana. Se analizaron diversas herramientas para la construcción de modelos de visión artificial: YOLOv8, Teacheable Machine (EfficientNet) y la metodología Haar-Cascade. Se evaluaron los rendimientos de los modelos de detección generados empleando varias métricas de precisión. Entre los modelos evaluados, se encontró que el modelo basado en YOLOv8 demostró ser el más eficaz en términos de precisión y rendimiento.
Open Access
Análisis del comportamiento de los residuos sólidos no peligrosos en los cantones de la provincia de Los Ríos: Un enfoque de Ciencia de Datos
(Quevedo: UTEQ, 2024) Alarcón Bermúdez, María Mercedes; Erazo Moreta, Orlando
La gestión eficiente de los residuos sólidos es un desafío global que afecta la calidad de vida de las comunidades y del medio ambiente. El manejo inadecuado de los residuos sólidos ha generado preocupaciones debido al constante crecimiento de la población y la provincia de Los Ríos no se encuentra exenta de esta problemática. La Ciencia de Datos se ha hecho presente en diferentes áreas de trabajo, incluyendo la ambiental. Por ello, este proyecto tiene como objetivo principal analizar el comportamiento de los residuos, aplicando técnicas de Ciencia de Datos. Para identificar las principales variables influyentes en la generación y manejo de residuos, se realizaron análisis de Chi-Cuadrado y ANOVA, asegurando la independencia de las variables seleccionadas. Posteriormente, para agrupar los cantones según características similares, se aplicaron técnicas de clustering como K-means, DBSCAN y clustering jerárquico, donde se utilizó el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de los datos. En los resultados se identificaron 16 variables influyentes relacionadas con la generación y forma de eliminación de los residuos sólidos no peligrosos en los hogares. Al aplicar las técnicas de clustering, se identificaron cuatro grupos con características similares en eliminación y manejo de residuos. Las estrategias identificadas en cada cluster revelaron que ciertos cantones participan en voluntariado ambiental y que, en su mayoría, los residuos son depositados con los demás residuos del hogar. Estos resultados demuestran cómo la Ciencia de Datos puede contribuir en el beneficio ambiental.
Open Access
Modelo predictivo de las tendencias de delitos en el Ecuador
(Quevedo: UTEQ, 2024) Vera Alarcón , María José; Erazo Moreta, Orlando
Durante años, en Ecuador se han observado variaciones significativas en las tasas de delincuencia, las cuales han tenido un impacto en el progreso económico y social del país. Estos actos delictivos ponen en peligro la seguridad y la serenidad de todos los habitantes. La Ciencia de Datos puede ser una herramienta valiosa para abordar esta problemática, al proporcionar a los investigadores metodologías analíticas para el análisis de grandes conjuntos de datos. A pesar de que la preocupación por la criminalidad es generalizada en Ecuador, hasta el momento ha habido escasos análisis destinados a identificar tendencias o patrones relacionados con este tema. Por ello, este proyecto analiza una base de datos del portal de datos abiertos del Ecuador, que contiene información sobre las denuncias realizadas en Ecuador, con los delitos que las motivaron durante el período 2016-2023. Se emplearon algoritmos de aprendizaje automático y técnicas de Ciencia de Datos para detectar pautas y tendencias delictivas. Previamente, se llevó a cabo un análisis exploratorio de los datos con el fin de comprender el comportamiento de las variables. Se desarrolló un modelo predictivo utilizando random forest. Los resultados revelaron una disminución en la incidencia delictiva reportada oficialmente desde 2017 hasta 2024. Al comparar los delitos ocurridos en 2023 con la predicción para ese mismo año, se observa una coincidencia que sugiere que el modelo es preciso. Así, se espera que este estudio constituya un aporte en el análisis y entendimientos de las tendencias delictivas, que coadyuven a los responsables a tomar las decisiones que sean pertinentes.
Open Access
Optimización de inventario en la gestión de la cadena de suministro en empresas de consumo masivo
(Quevedo: UTEQ, 2024) Álvarez Carpio , Gilberto Germán; Díaz Macías , Efraín Evaristo
En el contexto de la economía global, la gestión de inventarios y la cadena de suministro son esenciales para la competitividad y rentabilidad de las empresas, especialmente en el sector de productos de consumo masivo. Este trabajo se enfoca en la optimización del inventario mediante el uso de algoritmos de aprendizaje automático, buscando equilibrar los niveles de stock con la demanda y minimizar los costos de almacenamiento. El objetivo principal de la investigación es determinar los niveles óptimos de inventario aplicando algoritmos predictivos para minimizar los costos asociados al almacenamiento y asegurar la disponibilidad adecuada de productos. Los objetivos específicos incluyen realizar un análisis de segmentación para identificar los productos más significativos, diseñar un modelo predictivo para la demanda de productos y estimar los niveles mínimos y máximos de inventario. Los resultados obtenidos a través de métodos como K-means y Agglomerative Clustering revelaron una segmentación robusta de los productos en cuatro clusters, lo que facilitó una gestión de inventario más precisa. Además, el análisis de Pareto ayudó a identificar los productos que generan la mayor parte de las ventas y, por ende, requieren una gestión más cuidadosa. En el análisis predictivo, se aplicaron modelos ARIMA, Prophet, Exponential Smoothing y Random Forest. Aunque ARIMA mostró un buen desempeño en uno de los productos, el modelo Exponential Smoothing se destacó como el más eficaz en general, proporcionando las predicciones más precisas para la mayoría de los productos analizados. Finalmente, la predicción precisa de los niveles mínimos y máximos de inventario mediante Random Forest demostró ser la más efectiva, mejorando la eficiencia operativa y contribuyendo a la rentabilidad de la empresa. Esta investigación no solo aporta al conocimiento teórico en la gestión de inventarios, sino que también proporciona herramientas prácticas para que las empresas de consumo masivo optimicen sus operaciones en un mercado dinámico y competitivo.
Open Access
Patrones en incidentes de emergencia en Ecuador a través del Sistema ECU 911
(Quevedo:UTEQ, 2024) Vergara Loor, Joselyn Aylin; Zambrano, Cristian
This research project focuses on analyzing patterns of emergency incidents recorded in Ecuador's ECU 911 System using association rules. By studying data related to critical emergency situations like medical calls, disaster management, traffic incidents, mobility, and public safety, the goal is to understand how these incidents are distributed geographically and over time. The methodology used in this project follows a deductive approach, beginning with data exploration and then applying association rules to identify patterns. These methods have helped reveal temporal patterns in the data, the distribution of incidents is presented through interactive visualizations made in Tableau. The findings of this study could provide important strategic information to enhance emergency management in Ecuador. Additionally, this research could contribute valuable insights to the field of data science applied to societal safety and well-being, offering a practical and effective approach to analyzing emergency incidents in Ecuador.
Open Access
Clasificación automática de coberturas del suelo con imágenes para el control del uso de área terrestre en agricultura
(Quevedo:UTEQ, 2024) Muñoz Pisco, Jeanny Xavier; Tubay Vergara , José Luis
ABSTRACT Agriculture plays a key role in global food security, but its sustainable management is facing increasing challenges due to population growth and climate change. Automatic land cover classification from satellite and aerial imagery has become an essential tool for land use monitoring in agriculture. This research focuses on training a land cover classification model from imagery. These images show different types of land cover, such as cocoa plantations, cocoa and others. The model was trained using Convolutional Neural Networks (CNN). Finally, a web interface was designed where images can be uploaded and automatically classified by the model. The original set consisted of TIFF images captured by drones, which were processed to create a set of training images in PNG format, each representing an area of 2500 square meters. In total, 5,809 training images were used, distributed in the following classes: 1,254 banana tree images, 1,535 cacao images, 1,321 grassland images, 589 secondary vegetation images, and 1,110 access road images. These images were used to train a classification model using a CNN. The dataset was split 80% for training and 20% for validation using the random split technique. The trained model was able to identify the land cover in an image with an accuracy of 96.56%.

Browse

Browsing Maestria en Ciencias de Datos by Issue Date

Results Per Page

Sort Options