Tecnología en Desarrollo de Software
Permanent URI for this collection
El egresado de la tecnología de Desarrollo de Software de la Facultad de Ciencias Básicas e Ingeniería de Uniremington tiene las suficientes competencias cognitivas, comunicativas y tecnológicas que apuntan a su desempeño cualificado en la creación de proyectos que optimicen procesos de automatización, orientados a la generación de productos con altos niveles de calidad y eficiencia.
Browse
Recent Submissions
Publication Innovación en la comunicación educativa : creación de un espacio virtual interactivo en la Universidad Remington(Corporación Universitaria Remington, 2024) Rendón Quintero, Luis Fernando; Arango Correa, AlejandroEste proyecto de grado se centra en el desarrollo de una plataforma de comunicación mediante Discord, diseñada para estudiantes de la Universidad Remington con el fin de difundir información sobre temas relevantes en el ámbito académico. La plataforma se estructuró en diferentes canales, cada uno enfocado en aspectos específicos, como investigaciones recientes, debates y noticias de interés general. La funcionalidad principal de la plataforma incluye la creación de espacios para compartir documentos, infografías y videos educativos. Se establecieron canales de discusión donde los estudiantes pueden interactuar, formular preguntas y debatir sobre los impactos de los ultraprocesados en la salud. Además, se implementaron eventos, como seminarios y charlas, facilitando la interacción directa con expertos y fomentando un aprendizaje colaborativo. El uso de Discord permitió una comunicación dinámica y en tiempo real, lo que resultó en un aumento notable de la participación estudiantil. La plataforma también incorporó encuestas y votaciones para involucrar a los estudiantes en la toma de decisiones sobre futuros temas de discusión y actividades. Los resultados indican que la plataforma no solo cumplió su objetivo de informar, sino que también promovió un sentido de comunidad entre los estudiantes. La estructura flexible y accesible de Discord facilitó el aprendizaje continuo y la difusión de información actualizada sobre ultraprocesados, en este caso particular, estableciendo un modelo que puede ser replicado para otras áreas de estudio. Por lo tanto, este proyecto demuestra la efectividad de utilizar plataformas digitales como Discord para la educación y la divulgación científica, sentando las bases para futuras iniciativas que integren tecnología en el proceso de aprendizaje académico.Publication Optimización de estrategias de ventas y gestión de inventario en LC Shoes(Corporación Universitaria Remington, 2024) Loaiza Duarte, Luis Javier; Briñez de León, Juan CarlosEste informe presenta un análisis detallado del conjunto de datos de inventario de zapatos de LC Shoes, una microempresa privada dedicada a la comercialización y venta de calzado de alta calidad. LC Shoes ofrece una amplia variedad de estilos y colores, dirigidos a hombres y mujeres contemporáneos. Su misión es satisfacer las necesidades de los clientes con productos cómodos y elegantes, y sus valores fundamentales incluyen el respeto, la laboriosidad, la perseverancia y el espíritu de equipo. La empresa busca posicionarse como una marca tradicional y duradera, comprometida con la calidad y el buen servicio. Este análisis se centra en el inventario actual de la empresa, proporcionando información crucial para la toma de decisiones operativas y estratégicas.Publication Informe técnico de implementación de servicios en Amazon Web Services(Corporación Universitaria Remington, 2024) Diaz Acosta, Luis Eduardo; Portilla López, Erik Leonardo; Pinzón Neira, Harrison Steve; Berrío López, Juan PabloEn este trabajo hablaremos sobre Amazon Web Services (AWS), las ventajas y desventajas que tenemos al implementar servicios en la nube, como también los requisitos y consideraciones que debemos tener en cuenta para ello. También se realizaron varios ejercicios y se detallan los pasos para para crear instancias EC2 con contenedores y balanceadores de carga, implementamos sitios estáticos en S3 y se implementó también una arquitectura de AWS con balanceador de carga.Publication Servicios de AWS(Corporación Universitaria Remington, 2024) Tabares Palacio, Javier Antonio; Giraldo Jiménez, Jeimy Catherine; Palacios Córdoba, Luis Fernando; Berrío López, Juan PabloEste trabajo se realizo con el fin de aprender acerca de AWS se va a colocar en practica cada uno de los ítems, como crear instancias en ec2 como realizar diferentes tipos en vpc Y poderla ejecutar en la consola de WSL, Crea colecciones de instancias EC2, designadas grupos de Auto Scaling. Se va a validar y especificar el número mínimo de instancias en cada grupo de escalado automático EC2 Auto Scaling responderá que el grupo nunca tenga menos de esas instancias. Puede especificar el número máximo de instancias en cada grupo de escalado automático y luego en EC2 y Auto Scaling garantizará que el grupo nunca tenga más de esas instancias. Si evidencia de manera detalla el volumen deseado, en EC2 Auto Scaling avalará que el grupo tenga ese número de instancias. C2 Auto Scaling supervisa automáticamente el estado y la disponibilidad de las instancias mediante demostraciones de estado de EC2 y reemplaza las instancias canceladas o deterioradas para mantener la capacidad deseada. Se va a probar el acceso a la aplicación a través de la URL del Load Balance.Publication Desarrollo e implementación de pruebas de software para tienda online(Corporación Universitaria Remington, 2024) Ávila Suárez, John Fredy; Villamizar Vallejo, Edward Alfonso; Garzón Medina, María Jessica; Grisales Morales, Fabio LeónEste proyecto tiene como objetivo la planeación, implementación y ejecución de pruebas de software para una tienda en línea dedicada a la venta de ropa y accesorios. Se aborda el desarrollo de un plan de pruebas que garantice la funcionalidad basándonos en las historias de usuario del sistema. La tienda online está diseñada para proporcionar una experiencia de compra fluida y segura para los usuarios. Este documento detalla las estrategias y herramientas utilizadas durante el proceso de pruebas, así como los resultados obtenidos.Publication Desarrollo e implementación de pruebas de software para tienda online(Corporación Universitaria Remington, 2024) Muñoz Jaramillo, David Stiven; Colorado Martínez, Santiago; Castrillón Palacio, Sebastián; Grisales Morales, Fabio LeónEl siguiente trabajo se enfoca en la implementación de pruebas de software en una tienda web, desarrollando distintos aspectos esenciales para asegurar la calidad del producto final. Se comienza con un análisis exhaustivo de riesgos, identificando posibles amenazas como la seguridad de los datos del cliente y la estabilidad del sistema en diferentes circunstancias, lo cual prosiguió a una estrategia hacia la mitigación de estos riesgos, priorizando la seguridad y la capacidad de escalabilidad. Se definió el alcance del proyecto, centrándose en la funcionalidad esencial del sitio web: la navegación del catálogo, la gestión de carritos de compra y la pasarela de pago. Se estableció una estrategia de pruebas funcionales estimando los tiempos necesarios considerando la complejidad del funcionamiento, la disponibilidad de recursos y el calendario de pruebas. Con el flujo de pruebas se cubrió todas las etapas del desarrollo asegurándose de contar con precondiciones claras como configuración de entorno de pruebas replicando el entorno de producción, definir roles en el equipo y la revisión y aprobación de los casos de prueba. En los tipos de pruebas, se implementaron pruebas funcionales que abarcaron los aspectos definidos en el alcance y pruebas de integración para evaluar la capacidad del software cuando entre en interacción con los distintos módulos y sistema. El enfoque de este trabajo es implementar pruebas de software en una tienda web mejorando la experiencia del usuario final y fortaleciendo la confianza en la estabilidad y fácil manejo del sistema, fundamental en entornos comerciales competitivos y exigentes, donde la calidad del software es fundamental en el éxito del negocio.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de osteoporosis, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) García Ramírez, Sebastián; Briñez de León, Juan CarlosLa llegada de las tecnologías de la información y las comunicaciones (TIC) en el siglo XX abrió una nueva etapa, denominada "sociedad del conocimiento y la información", que ha tenido un impacto significativo en las prácticas educativas y sociales. La Inteligencia Artificial (IA), una rama de las TIC, que actualmente busca aplicaciones en sectores como la salud, emulando el razonamiento humano, el aprendizaje, la resolución de problemas y la percepción. El desarrollo de estrategias computacionales basadas en algoritmos de machine learning (ML) ha sido impulsado por la OMS y enfocándolo en La osteoporosis un trastorno esquelético de alto impacto socioeconómico. Estos algoritmos se entrenan con datos demográficos, de estilo de vida y de salud para identificar personas en riesgo rápidamente. El procesamiento de datos implica cargar conjuntos de datos en plataformas como Colab, eliminar filas y columnas innecesarias y duplicados, y normalizar datos categóricos. Variables como el género, los cambios hormonales, los antecedentes familiares, la actividad física y el consumo de sustancias se analizan. El modelo de toma de decisiones, que se basa en el aprendizaje supervisado, utiliza un algoritmo para clasificar a las personas en riesgo en función de patrones que se encuentran en los datos de entrenamiento. Esto implica recopilar y procesar datos de pacientes, elegir los algoritmos de clasificación apropiados y entrenar el modelo. Un conjunto de datos de prueba se utiliza para evaluar el modelo para comprender su rendimiento y factores de impacto. El objetivo de la implementación de esta estrategia computacional es mejorar el diagnóstico, la prevención y el tratamiento individualizado de la osteoporosis. Esta estrategia podría usarse en herramientas de diagnóstico, selección de tratamiento, modelos de riesgos y campañas de concientización.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de lugares con mayor incidencia de Covid-19, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Castro Camargo, Oscar Andrés; Briñez de León, Juan CarlosLa propagación descontrolada del COVID-19 en China, Italia, Irán y la República de Corea resultó en un porcentaje más alto de casos en comparación con países como Francia, España, Alemania, Emiratos Árabes Unidos y otras naciones europeas. Varios factores contribuyeron a esta notable diferencia en las tasas de incidencia. En China, donde se originó el brote, la falta de preparación inicial y la demora en implementar medidas de contención efectivas permitieron que el virus se propagara rápidamente. La alta densidad poblacional en algunas regiones y la intensa movilidad interna fueron facilitadores adicionales de la transmisión (Huang et al., 2020). Italia fue uno de los primeros países europeos en registrar un gran número de casos debido a la tardanza en imponer medidas de distanciamiento social, la alta proporción de población anciana vulnerable y la arraigada cultura de reuniones familiares frecuentes (Remuzzi & Remuzzi, 2020). En Irán, las autoridades fueron lentas en reconocer la gravedad de la situación y tardaron en implementar medidas de contención adecuadas. Además, la celebración de eventos masivos y la negativa inicial a cancelar las peregrinaciones religiosas aceleraron la propagación del virus (Abdi, 2020). La República de Corea experimentó un brote significativo relacionado con la Iglesia de Shincheonji, cuyos miembros se reunían en lugares cerrados y algunos ocultaron inicialmente sus afiliaciones, dificultando el rastreo de contactos (Lee et al., 2020). En contraste, países como Francia, España, Alemania y los Emiratos Árabes Unidos, si bien tuvieron un número considerable de casos, implementaron medidas de contención más rápidamente y contaban con sistemas de salud más preparados, lo que pudo haber contribuido a una menor tasa de incidencia en comparación con los primeros países mencionados (Legido-Quigley et al., 2020).Publication Algoritmo computacional para el análisis y toma de decisiones en datos de la predicción ICFES 2024, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Correal Rodríguez, Wilson Andrés; Pérez Cubides, Marlon Yair; Briñez de León, Juan CarlosEl examen Saber 11 es una prueba desarrollada por el Ministerio de Educación Nacional para medir la calidad de la educación secundaria. Este examen se administra a nivel nacional y su desempeño es un requisito para que los estudiantes puedan finalizar su secundaria. El estudio utilizó los resultados de las últimas pruebas Saber 11 realizadas el 2023 por estudiantes de Colombia. Los datos se obtuvieron de https://www.datos.gov.co para predecir los resultados globales para 2024 basándose en el modelo de aprendizaje MLP supervisado por MLP. Según lo anterior este estudio aprovechará los datos, basado en los resultados del algoritmo de puntaje global de 2023. Se utilizaron 500. Se tomaron seis pasos para construir un modelo. 1) Identificación de problemas de aprendizaje de automóviles (explicaciones, objetivos y variables (investigación, limpieza, variable de categoría), 3) correlación entre funciones (correlación y gráficos académicos de variables, 4) modelo educativo (implementación) Modelo seleccionado 5) Prueba de clasificación. (Simulación para ilustrar cómo el modelo puede predecir la puntuación general comparando el modelo seleccionado con el conjunto de datos original utilizando las variables de entrada y promediando los cinco componentes evaluados en la Prueba de conocimientos 11). Como resultado el modelo dio los datos requeridos por nosotros.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de ventas en la licorera JC Granizados, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Bustamante Bedoya, Juan Sebastián; Briñez de León, Juan CarlosLa presente investigación se realizó con el fin de tener una predicción de ventas a partir de un modelo de regresión. En este se utilizó la herramienta de machine learning con el modelo KNNR, utilizando los datos recolectados en la licorería JC granizados ubicada en el municipio de Sabaneta, Antioquia. Se tuvieron en cuenta variables como el mes, la fecha, que día del fin de semana es, la base y el total de ingresos por día, con los datos recolectados a partir del software del establecimiento se realizó un procesamiento donde se analizaron las fechas exactas de cada día registrado, para así verificar si pertenecían al viernes, sábado, domingo o festivo, posterior a esto fueron presentados al algoritmo para tener los resultados solicitados. Gracias a este modelo se puede predecir el valor de las ventas del fin de semana próximo y así el establecimiento realice la toma de decisiones, ya sea una estrategia de marketing para aumentar las ventas o también saber cuánta cantidad de pedido debe de realizar y si necesita apoyo de más personal. Este modelo puede ser utilizado por los establecimientos encargados de la comercialización de productos ya que les permitiría conocer cómo van sus ventas y como mejorarlas.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de deserción escolar, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Castaño Díaz, José Camilo; Briñez de León, Juan CarlosEl abandono de los estudios antes de culminar el ciclo educativo representa un desafío multidimensional con repercusiones personales y sociales significativas. A través de este proyecto, se examinaron de manera exhaustiva los factores determinantes, patrones y estrategias para abordar este fenómeno en el contexto colombiano. Los hallazgos revelaron una tendencia decreciente en las tasas nacionales de deserción durante la última década, aunque persisten brechas preocupantes en ciertos segmentos poblacionales y regiones geográficas. Las disparidades más notorias se evidenciaron entre las zonas urbanas y rurales, con índices de abandono considerablemente más elevados en estas últimas, reflejando las barreras adicionales que enfrentan las comunidades alejadas de los centros urbanos. Asimismo, los análisis indicaron que los niveles superiores de educación, particularmente la enseñanza media, exhiben mayores tasas de deserción en comparación con la primaria, destacando la urgencia de implementar estrategias de retención específicas en estas etapas cruciales de formación académica.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de presupuesto para la compra de materiales de fabricación para prensa compactadora de cascarilla, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) González Feria, Franklin Fabian; Briñez de León, Juan CarlosLa transformación digital es un proceso mediante el cual una empresa introduce tecnologías nuevas en sus procesos y estructuras, para hacerla más eficiente y productiva. Es un cambio en el cual se involucran todos los empleados y que también tiene que ver los clientes. Por ejemplo, la primera revolución industrial fue marcada por la aparición de la maquina a vapor, la segunda con la cadena de montaje, la tercera con la aparición de la informática y las energías renovables y estamos en la cuarta con el descubrimiento de los sistemas ciber físicos, el Big Data y el internet de las cosas.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de solicitudes de gestión de capacidad Sofka Technologies, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Ynfante Valero, Surelys A.; Ospina Zúñiga, Nevardo Antonio; Briñez de León, Juan CarlosEn la industria de las tecnologías de la información (TI) está en constante evolución, Sofka Technologies, se ha posicionado como una empresa líder en consultoría y desarrollo de software, brindando soluciones innovadoras y adaptables para satisfacer las demandas del mercado. En este contexto dinámico, el Machine Learning (ML) ha emergido como una herramienta fundamental para analizar grandes volúmenes de datos, tomar decisiones informadas y automatizar procesos. Específicamente, en el ámbito de la gestión de solicitudes de capacidad en Sofka Technologies, el ML representa una oportunidad para optimizar la asignación de recursos técnicos y humanos a proyectos, mejorar los flujos de trabajo y aumentar la eficiencia operativa. Esto es crucial para el éxito de los proyectos y la satisfacción del cliente. El presente trabajo aborda la pregunta de cómo un algoritmo de Machine Learning puede optimizar la gestión de solicitudes de capacidad en Sofka Technologies, con el objetivo de mejorar la asignación de recursos y la eficiencia operativa. Los datos utilizados provienen de registros internos de solicitudes de posiciones laborales que Sofka Technologies ha gestionado, recopilados por sus departamentos de Recursos Humanos. Estas solicitudes incluyen información como país, tipo de cliente, centro de excelencia, número de posiciones, fechas, tipo de atención, estado, año y calificación. El análisis propuesto implica caracterizar y procesar estos datos, implementar algoritmos de Machine Learning, evaluar su desempeño y validar la toma de decisiones con nuevos datos. Las posibles aplicaciones incluyen la previsión de demanda por área y el análisis del mercado laboral por país, lo cual puede respaldar decisiones estratégicas de expansión y enfoque geográfico.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de pedidos de alimentos en línea, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Leguizamo Rodríguez, Daryl Giselle; Briñez de León, Juan CarlosActualmente nos encontramos en la era de los datos, muchas empresas por bastante tiempo contaron con un excelente manejo de sus procesos, pero debido a que el mundo sigue en constante cambio las entidades se han visto obligadas a utilizar nuevas técnicas e implementar métodos digitales para que sus empresas puedan ampliarse y llegar a mayor público. Sin embargo, todos esos datos recolectados con el tiempo pueden aportar información clave y relevante que brinde ayuda para mejorar o comprender como se maneja la entidad y con que utilidades puede disponer para brindar un servicio de calidad. Por esa razón, el objetivo de este trabajo de grado es dejar en manifiesto como el aprendizaje automático más conocido también como el Machine Learning puede contribuir a la toma de decisiones en estos tiempos actuales de datos. Se quiere demostrar que podemos sacar provecho de la era digital para nuestro beneficio, con ayuda de la inteligencia artificial, el Machine Learning usaremos todas las variables y los datos integrando las herramientas o algoritmos de esta inteligencia para sacar posibles conclusiones y resultados que aporten a la entidad de manera constructiva. Se utilizará una base de datos para realizar el desglose de la información y tener un análisis detallado de las variables para tomar una decisión en base a los resultados. Esta base de datos es de una empresa que tiene como objetivo entregar pedidos de alimentos en línea, usaremos técnicas del Machine Learning para consultar la información, obtener como se dividen los datos y que aspectos se toman en cuenta en la entidad de entrega de pedidos de alimentos en línea. Además, se evaluará como estas variables se relacionan entre sí y que puede aportarnos del comportamiento que ejerce la entidad en su lugar de operación, al analizar estos datos a profundidad podemos implementar la técnica de Machine Learning mencionada anteriormente. Esta técnica denominada “aprendizaje no supervisado (agrupación)” tiene como objetivo brindar resultados que estén orientados a mejorar la producción de la entidad o relacionar como las variables se parecen entre sí con miras a la toma de futuras decisiones. Por ende, se visualizará como al integrar nuevos registros a la base de datos después de usar un método de segmentación, los datos se reparten y nos genera una predicción de en qué agrupación de la información corresponde y como esto nos da una idea del manejo de la entidad y su relación entre sí.Publication Investigación sobre la deserción escolar en Colombia mediante el uso de técnicas de machine learning(Corporación Universitaria Remington, 2024) Diosa Guiral, Humberto; Ospina López, Juan Esteban; Reina Morales, Hernán Darío; López Bedoya, Gustavo; Mira Mejía, Jhon FredyDe Acuerdo con los datos del Ministerio de Educación Nacional, alrededor de unos 400.000 niños y jóvenes han desertado de sus instituciones educativas entre finales de 2022 e inicios del 2023, Esta cifra muestra un notable incremento en comparación con el año anterior, cuando el promedio de deserción escolar fue de 330,000 estudiantes entre 2021 y 2022 (Moreno, 2023) Con lo anteriormente dicho estas cifras son alarmantes ya que tienen una influencia significativa y negativa en el desarrollo social e individual de los niños, niñas y jóvenes que deciden tomar esta decisión y que eventualmente se verán impedidos de acceder a un trabajo que les proporcione una vida digna, mejorar su nivel de vida y contribuir al progreso del país. La falta de infraestructura en algunas zonas del país se convierten también en un obstáculo bastante grande a la hora de acceder a una buena educación para los niños y jóvenes, la falta de transporte, la distancia entre su hogar y el colegio, la falta de maestros debido al difícil acceso y las malas instalaciones son retos por los cuales tienen que atravesar los jóvenes que residen en zonas rurales, en donde la mejor salida para seguir con su formación como persona es el trabajo de campo o colaborar incluso con grupos armados ilegales, de acuerdo con esto los municipios con mayor índice de deserción en el país son Putumayo con una tasa del 8,11%, después a este se encuentran Arauca, Guainía y Caquetá (Rodríguez, 2023) lugares donde la violencia a raíz del conflicto armado el índice es bastante alto. De acuerdo con toda la información anterior se busca utilizar las herramientas del machine learning, para predecir la cantidad de niños y jóvenes que podrían terminar su vida educativa en un futuro y sobre esta manera lograr que estas personas cambien su estilo de vida y tengan la educación que por diferentes motivos ya anteriormente mencionados se vieron en la obligación de abandonar y en muchos casos no volver a retomar por diferentes razones o circunstancias en las cuales se tienen que ver enfrentados día a día en donde algunos lo logran superar y otros se ven derrotados.Publication Integrando datos clínicos y sociales : un análisis de intentos de suicidio en Antioquia(Corporación Universitaria Remington, 2023) Arcila Jaramillo, Maria Alejandra; Mira Mejía, John FredyEl presente trabajo es de tipo cuantitativo, se realizó con un dataset extraído de la base de datos abiertos de Medellín sobre los casos de intento de suicidio reportados a SIVIGILA entre enero del 2014 y marzo del 2023 y busca evidenciar el comportamiento de distintas variables y la relación que podrían tener en el incremento de intentos de suicidio en los últimos años.Publication Aplicación analítica BI usabilidad SAP empresa UMO S.A(Corporación Universitaria Remington, 2023) Cardona Betancur, Natalia; Bedoya, Esteban; Mira Mejía, John FredyEn esta oportunidad pretendemos abarcar la falta de información clara sobre el uso que los usuarios le estarían dando al Software ERP de la compañía, debido a lo cual decidimos poner en práctica lo aprendido en el seminario, en la carrera y en general en todo el tiempo de investigación.Publication Implementación de una visualización para el análisis de los colombianos registrados en el exterior(Corporación Universitaria Remington, 2023) Castañeda Hernandez, Ricardo Andres; Mira Mejía, John FredySe eligió una base de datos donde se encuentra la información de “colombianos registrados en el exterior” para llevar a cabo el desarrollo de este documento, en el cual se mostraran diferentes análisis mediante Big Data a través de la herramienta Power BI, donde por medio de la elaboración de diferentes tipos de gráficos se construirá una visualización de datos, a partir de dicha data escogida, esto también con el fin de aplicar lo aprendido en los módulos del curso para el seminario de grado “Visualización de datos”. donde se analizará a nivel mundial la situación migratoria de los colombianos con respecto a su edad, nivel de estudios, estado civil, género e inclusive si pertenecen a alguna etnia.Publication Desarrollo de una plataforma de asignación de tareas basada en machine learning para desarrolladores junior(Corporación Universitaria Remington, 2023) Pérez Lezama, Alejandro; Vélez Uribe, Juan PabloEl presente trabajo se enfoca en el desarrollo de una solución innovadora para mejorar la asignación de tareas en entornos de desarrollo de software, específicamente dirigida a desarrolladores junior. Este proyecto se inspira en la creciente necesidad de herramientas automatizadas y personalizadas en el ámbito de la programación y el desarrollo de software, particularmente para aquellos que están en las primeras etapas de su carrera profesional. El núcleo del proyecto se basa en la aplicación de conceptos y técnicas de Machine Learning (ML), abarcando desde fundamentos teóricos hasta prácticas aplicadas, como se explica en los cursos proporcionados. La metodología adoptada incluye el análisis detallado de los requisitos de los desarrolladores junior, la selección y preparación de los conjuntos de datos apropiados, y el desarrollo de modelos de ML adecuados para predecir y asignar tareas basándose en diversos criterios como la habilidad, experiencia previa y áreas de interés del desarrollador. Se ha hecho énfasis en la integración de conocimientos adquiridos en distintos módulos de aprendizaje, tales como "Introducción a Machine Learning", "Fundamentos Aplicados de Machine Learning", "Machine Learning: Aprendizaje Supervisado", y "Evaluación de Modelos de Machine Learning". Estos conocimientos han sido cruciales en todas las fases del proyecto, desde la conceptualización hasta la implementación del modelo de ML en la plataforma. Además, se ha considerado la importancia de la ética en la inteligencia artificial, siguiendo las directrices aprendidas. El resultado es una plataforma que no solo optimiza la asignación de tareas, sino que también sirve como herramienta de aprendizaje y desarrollo para los desarrolladores junior, proporcionándoles tareas acordes a su nivel de habilidad y promoviendo su crecimiento profesional. Este trabajo no solo refleja una aplicación práctica de los conocimientos teóricos en ML, sino que también demuestra cómo la inteligencia artificial puede ser utilizada para resolver problemas reales y mejorar procesos en el ámbito profesional.Publication El machine learning en academias de educación vial(Corporación Universitaria Remington, 2023) Enríquez Quintero, Niyileth Karina; Bautista Villamizar, Laura Valentina; Vélez Uribe, Juan PabloEn este proyecto, se exploraron varios temas relacionados con la evaluación y supervisión de procesos en sistemas de información apoyados por el Aprendizaje Automático. Se aplicó el Aprendizaje Automático en Academias de Educación Vial para mejorar la gestión de la enseñanza y la evaluación de los conductores, centrándose en la predicción del consumo de combustible de los vehículos de enseñanza para optimizar los recursos y reducir los costes. La introducción al Aprendizaje Automático destacó su capacidad de aprender sin programación explícita, utilizando datos para mejorar continuamente el rendimiento del sistema. Se abordaron conceptos como el aprendizaje supervisado y no supervisado, junto con la importancia de la Ciencia de Datos. En el análisis de datos de las Academias de Educación Vial, se exploró cómo el Aprendizaje Automático puede identificar patrones en el rendimiento de los alumnos, personalizando la instrucción y contribuyendo a la automatización, especialmente en el control eficiente del combustible. Se presentó el concepto de Big Data como principal insumo para las aplicaciones de Aprendizaje Automático, generando información valiosa para la toma de decisiones estratégicas. También se hizo hincapié en la importancia de una buena estrategia de datos y en la pirámide de valor de los datos. En el mundo de la ciencia de datos, el Aprendizaje Automático se ha convertido en un cambio de juego, revolucionando la forma en que abordamos problemas complejos. Sin embargo, con la creciente complejidad de los modelos, la necesidad de interpretabilidad e inferencia causal se ha vuelto más crítica que nunca. Para hacer frente a esto, se han desarrollado varios algoritmos, como Propensity Score, Double LASSO, Causal Trees y Causal Forest, para mejorar la interpretación de los modelos y permitir una toma de decisiones informada. Estos algoritmos se centran en comprender la causalidad y la correlación, que son esenciales para desarrollar modelos sólidos. El proceso de evaluación de los modelos de Aprendizaje Automático es un paso crucial en este ámbito. Implica comprender el problema empresarial, preparar y modelar los datos, evaluar el rendimiento del modelo y finalizarlo. La preparación de los datos implica utilizar herramientas como pandas en Python, emplear técnicas como MinMaxScaler y get_dummies, y asegurarse de que los datos están limpios y listos para el análisis. Se hace hincapié en el entrenamiento de modelos y la selección de algoritmos, junto con métricas de rendimiento como las matrices de confusión, la exactitud, la precisión, el recuerdo y otras. Las técnicas de validación cruzada son esenciales para una sólida selección de modelos, y el aprendizaje supervisado mediante conjuntos de datos etiquetados se utiliza para entrenar algoritmos.