Ingeniería de Sistemas

Permanent URI for this collection

http://10.1.4.15:4000/handle/123456789/24

El Ingeniero de Sistemas de la Corporación Universitaria Remington es un profesional con un alto sentido de responsabilidad social, humanista, competente e idóneo, con gran capacidad de análisis, diseño, y gestión de sistemas de información debido a su formación integral en las áreas de las ciencias básicas y computacionales, aplicando estándares internacionales y las mejores prácticas empleadas en la ingeniería del software permitiendo alcanzar el logro de los objetivos estratégicos en las organizaciones, desde una visión ética y responsable con el medio ambiente, a través del uso racional de recursos y la optimización de procesos empresariales.

Browse

Now showing 1 - 20 of 219

Capacitación para consultores Staff y Junior SAP
(Corporación Universitaria Remington, 2024) Vargas Raigosa, Wbeimar Darío; Ruiz Moreno, Silvana
¿Por qué se desea plantear esta mejora en el proceso de entrenamiento para los staff y junior? Durante el ingreso de nuevas personas al equipo de consultoría SAP encontramos una dificultad en donde los candidatos llegan sin habilidades en la herramienta SAP. Si bien todas las personas no deben tener un conocimiento completo -tampoco se puede esperar tener un conocimiento total en aplicación- destinar personas a un proyecto con un conocimiento básico esto nos implica en ocasiones reprocesos, daños en la configuración, daño a nivel reputacional de la firma frente a sus clientes adicional de los posibles efectos donde se cause un estrés innecesario sobre otros colaboradores y la persona implicada, posibles efectos burnout, deserción quedando en un círculo vicioso. Por lo tanto, se planteó una estrategia de capacitación para este equipo humano donde ellos puedan obtener las habilidades para desempeñar su rol en la aplicación requerida. La idea no es solamente que se desempeñe una actividad de manera correcta por parte de un colaborador sino también lograr que tengan una visión de permanencia en la firma y creciendo tanto personal como profesional. Es importante resaltar que dar una formación para un personal staff que llega sin habilidades SAP a la firma permite que tengan una amalgama de habilidades, conocimientos, manejo de herramientas brindándole una versatilidad la cual es un gana – gana tanto para compañía, permitiéndole a esta acomodar a un recurso en cliente y consecuentemente obtener una ganancia a nivel de porcentaje de utilización versus la disponibilidad del recurso a enfrentar nuevos retos que le permita en el mundo SAP poder aprender nuevas tecnologías conforme se vayan lanzado los productos al mercado y de esta manera el consultor mantiene una vigencia tanto a nivel firma como profesional. La metodología que queremos implementar con el equipo staff y junior es la siguiente; ellos inicialmente como personal de apoyo para el proyecto y tendrán responsabilidades y funciones en base a sus estudios ejemplo una persona que tenga conocimientos de administración podrá ser asignado a un módulo de tesorería, activos fijos etc. Recibiendo una mentoría o acompañamiento de un consultor de mayor rango y así garantizar una formación en campo. De igual forma se les ofrecerá una academia en SAP donde puedan afianzar la parte teórica y práctica del módulo donde sé que quieran enfocar para su formación como consultores. De esta forma se abarcan dos dimensiones que componen al consultor para que puedan pasar a un mayor nivel y estos a su vez puedan brindar acompañamiento o mentoría convirtiendo esto en un círculo virtuoso.
Sistema de gestión para la comercialización de productos en la microempresa Finca “La Lolita”
(Corporación Universitaria Remington, 2024) Franco Franco, Yeider Zahovic; Ruiz Moreno, Silvana
En el contexto de la transformación digital y las demandas cambiantes del mercado, las microempresas, especialmente aquellas centradas en la producción agrícola, enfrentan desafíos significativos en la comercialización de sus productos. Este proyecto se enfoca en abordar la problemática específica de la microempresa Finca La Lolita, ubicada en el municipio de La Unión Valle, dedicada a la producción de uvas. El proyecto propone la implementación de una aplicación web personalizada que optimice la gestión comercial de Finca La Lolita. La iniciativa surge como respuesta a las dificultades de comercialización, eliminando intermediarios y reduciendo costos en transporte y almacenamiento. Se emplea una metodología evolutiva basada en el modelo espiral propuesto por Roger Pressman, permitiendo ajustes continuos y adaptaciones a medida que avanza el desarrollo. La aplicación no solo beneficiará a la microempresa al mejorar la eficiencia y competitividad en el mercado, sino que también ofrecerá ventajas significativas a los clientes. Entre ellas se incluyen precios más bajos, mayor disponibilidad de productos, transparencia en las transacciones, un servicio más ágil y acceso las 24 horas a la información sobre productos y pedidos. Este proyecto no solo busca resolver los desafíos específicos de Finca La Lolita, sino que también pretende servir como un referente teórico y metodológico para futuros trabajos en la región norte vallecaucana. Se espera que la implementación exitosa de esta solución tecnológica contribuya a la sostenibilidad y crecimiento de las microempresas agrícolas en entornos similares.
Ampliación de redes de fibra óptica
(Corporación Universitaria Remington, 2024) Gasca, William Alexander; Ruiz Moreno, Silvana
Conintergy es una empresa de telecomunicaciones que presta servicios de conectividad y equipos de comunicaciones. Posteriormente, en el 2021 incursionó en la prestación de servicios al nivel de cámaras y alarmas de seguridad y la relación como empresa con sus clientes: Ventas, Servicio al Cliente, Gestión de Cartera, Soporte Técnico, Gestión de Datos y Gestión de PQR. Generando valor a su negocio y asegurando que los usuarios finales tengan experiencias memorables con su marca. La empresa Cointergy cubre más del 50% de la población urbana y está presente en 15 veredas de las 37 que tiene el municipio de Timaná. La cobertura en fibra óptica de la empresa Cointergy está presente en la zona urbana, cubre las veredas de San Calixto, El Tejar, La Pencua, Mateo Rico, Criollo, Cascajal, Pantanos, Santa Barbara Alta, Santa Barbara Baja, Palmito, Camenzo, San Antonio, Montañita, Las Mercedes, Naranjal y San Marcos. El municipio de Timaná, ubicado en el departamento del Huila, enfrenta serios desafíos en términos de conectividad digital. La falta de infraestructura moderna para la transmisión de datos limita el acceso de sus habitantes a servicios de Internet de alta velocidad, lo que a su vez afecta negativamente la educación, el comercio, la comunicación y el desarrollo socioeconómico de la región.
Algoritmo computacional, para la predicción de nivel de satisfacción de compra de un usuario, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Aguirre Aristizábal, Daniel David; Briñez de León, Juan Carlos
El presente trabajo se enfoca en brindar una solución a una pequeña cadena de supermercados llamada Merk+, en la predicción de las calificaciones brindadas por sus clientes, en aras de mejorar el servicio brindado y realizar estrategias que permitan a Merk+ tomar mejores decisiones. Dentro del análisis comenzamos con una breve descripción de la situación de Merk+, para posteriormente, con base a la data brindada por la cadena de supermercados; dentro de estos datos podemos encontrar el tipo de datos de nuestras variables, cantidad de personas por género, mapa de correlaciones, gráfico de bigotes, entre otros gráficos y tablas con información, la cual fue previamente limpiada y normalizada con el fin de evitar outliers que puedan afectar nuestro análisis. Con base a nuestro análisis, hemos entregado el uso de algoritmos de clustering y de regresión de datos con múltiples entradas. En el proceso de clustering segmentaremos nuestros clientes o compras, con el fin de poder identificar un factor común que pueda afectar las calificaciones que está entregando los clientes. En cuanto a la regresión de datos con múltiples entradas, le permitirá a Merk+ proyectar la posible calificación por parte del usuario con base a los artículos comprados, método de pago, sucursal de la compra, entre otros. Con esto se busca que Merk+ pueda brindar un mejor servicio para sus clientes y así mismo destacar entre su competencia.
Implementación de algoritmos de machine learning para la detección de fraudes financieros internos en ejercicio de la Auditoría TI
(Corporación Universitaria Remington, 2024) Ibañez Martínez, Carlos Andrés; Briñez de León, Juan Carlos
En este proyecto se desarrolló un modelo para la detección de fraude en transacciones financieras mediante la aplicación de algoritmos de aprendizaje automático, específicamente el algoritmo de clustering K-means. El trabajo comenzó con la preparación y limpieza de un conjunto de datos que contenía información sobre transacciones, con el fin de eliminar las columnas irrelevantes y reducir el ruido. Este proceso incluyó la selección de variables clave, como el tipo de comercio, el monto de la transacción, el tipo de tarjeta, la distancia desde el hogar, y si la transacción ocurrió durante el fin de semana. La limpieza de datos permitió enfocar el análisis en las características más importantes para identificar patrones de comportamiento asociados al fraude. Una vez que los datos estuvieron listos, se aplicó el algoritmo K-means, que agrupa las transacciones en diferentes clústeres o grupos según sus características compartidas. Este algoritmo se eligió por su capacidad para segmentar grandes volúmenes de datos en categorías homogéneas, lo que es particularmente útil para la detección de anomalías en sistemas financieros. Los resultados del clustering mostraron la formación de grupos de transacciones con distintos niveles de riesgo de fraude. Al analizar estos grupos, se pudo observar que ciertas características, como transacciones en comercios de alto riesgo o montos elevados, estaban más presentes en los clústeres que indicaban un mayor riesgo. Esto permitió identificar patrones que podrían señalar comportamientos fraudulentos, facilitando la detección de anomalías en futuras transacciones. El análisis realizado destacó el valor de la segmentación de datos en auditoría financiera, ya que permite una evaluación proactiva de riesgos y ayuda a identificar transacciones que merecen mayor atención. Con base en estos resultados, el modelo de K-means puede integrarse en un sistema de auditoría para monitorear las transacciones en tiempo real, clasificando cada una en función de su riesgo potencial y generando alertas cuando se detecten patrones sospechosos. Esto no solo mejora la capacidad de respuesta ante posibles fraudes, sino que también optimiza el proceso de monitoreo al priorizar las transacciones de mayor riesgo. Este proyecto muestra cómo el aprendizaje automático y los análisis de datos pueden aportar significativamente a la seguridad y la eficiencia en sistemas de auditoría de TI, ofreciendo herramientas innovadoras para la protección de la información financiera. Los hallazgos respaldan el uso de técnicas de clustering para mejorar la detección de fraude, abriendo la puerta a futuras investigaciones que podrían incluir la integración de algoritmos supervisados y la mejora de los modelos predictivos para aumentar la precisión y confiabilidad en la identificación de transacciones fraudulentas.
Sistema de predicción de la deserción escolar, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Mendoza García, Carlos Andrés; Briñez de León, Juan Carlos
Este trabajo presenta el desarrollo de un sistema de predicción para la deserción escolar en escuelas de educación superior, basado en el análisis de datos utilizando técnicas de machine learning. El sistema tiene como objetivo proporcionarnos predicciones para evitar la deserción temprana en la educación superior y así crear ayudas educativas para apoyarlos. Este dataset recompila diversas bases de datos en una institución de educación superior, contiene información sobre estudiantes de varias carreras de pregrado. Los datos incluyen características demográficas, socioeconómicas y trayectoria académica al momento de inscripción, así como el rendimiento académico al final del primer y segundo semestre. La idea de implementación es construir un modelo de clasificación que predice la deserción escolar y el éxito académico. Esta información se somete a un proceso de limpieza y normalización para asegurar la calidad y consistencia de los datos. A partir de este análisis, se propone utilizar algoritmos de Aprendizaje supervisado (Clasificación) como KNeighborsClassifier y LinearDiscriminantAnalysis con el objetivo de clasificar a los estudiantes en diferentes grupos a categorías específicas.
Sistema para mejorar la eficiencia de las campañas de marketing al dirigirlas a segmentos de clientes específicos, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Hurtado Giraldo, Mateo; Giraldo Duque, Santiago; Briñez de León, Juan Carlos
Este trabajo de grado, titulado “Sistema Para Mejorar la Eficiencia de las Campañas de Marketing al Dirigirlas a Segmentos de Clientes Específicos, Utilizando Estrategias de Machine Learning”, está diseñado con algoritmos de Inteligencia Artificial (IA) por medio de un modelo de Machine Learning (ML) enfocado en el análisis de datos. Con el cual se realiza un sistema de recomendaciones de paquetes de viajes y negocios en base a la segmentación de grupos por medio del Clustering que es una herramienta del Aprendizaje No supervisado. El análisis de datos inicia con la revisión de la información hallada en el DataSet. Este proyecto involucra la recolección y depuración de datos históricos relacionados con los viajes realizados por los usuarios de una aerolínea. Al realizarse el análisis, se implementa algoritmos de Machine Learning (ML), tales como depuración y clasificación, al tener los datos organizados se usa el proceso de Clustering que permite segmentar los datos en grupos homogéneos para realizar una mejor recomendación en base al perfil del nuevo cliente ingresado.
Predicción del desempeño académico de un estudiante a partir del análisis de patrones y comportamientos, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Cruz Holguín, Héctor Jaime; Catuche Mompotes, Miguel Ángel; Briñez de León, Juan Carlos
El presente trabajo aborda la predicción del desempeño académico de estudiantes mediante el análisis de patrones y comportamientos individuales utilizando algoritmos de machine learning. A partir de un conjunto de datos de Kaggle, se identificaron variables como horas de estudio, asistencia, participación parental, acceso a recursos educativos, y motivación, que impactan en los resultados académicos. Tras una cuidadosa limpieza y preprocesamiento de datos, se implementaron seis algoritmos de clasificación supervisada: KNN, Bayes, LDA, QDA, árboles de decisión, y SVM, los cuales lograron una precisión superior al 98% en la predicción de desempeño estudiantil (Suficiente o Satisfactorio). La metodología incluyó un análisis de correlación para seleccionar las variables con mayor relevancia, descartando aquellas con baja influencia. La eliminación de la puntuación en el examen final como variable permitió enfocar la predicción en patrones conductuales en lugar de calificaciones previas. La implementación del modelo fue validada mediante la simulación de tres perfiles estudiantiles distintos, lo que demostró la efectividad y adaptabilidad del modelo para anticipar el rendimiento académico y ofrecer recomendaciones personalizadas.
Sistema de recomendación para compra de material de forma inteligente a partir de datos de consumo, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Ortega Fuentes, Jose David; Rodríguez Guzmán, Gilberto José; Albarracín Cristancho, Eliana Yulied; Briñez de León, Juan Carlos
Ingeomega SAS es una empresa de ingeniería con sede en Medellín que ofrece soluciones en áreas como telecomunicaciones, electricidad y obras civiles. En el desarrollo de sus proyectos, Ingeomega ha detectado la necesidad de optimizar el proceso de adquisición de materiales para ajustarse a las necesidades específicas de cada grupo de trabajo. Esta estrategia de compras inteligentes se centra en mantener un control preciso sobre los materiales utilizados, con el objetivo de reducir costos por exceso de inventario y minimizar el riesgo de desabastecimiento, lo que podría afectar la continuidad de sus proyectos. Este estudio busca analizar cómo la implementación de un modelo de Machine Learning basado en los datos históricos de consumo de materiales puede mejorar la eficiencia del proceso de abastecimiento y reducir el riesgo de desabastecimiento en la empresa. La hipótesis plantea que un análisis predictivo de consumo permitirá a Ingeomega predecir con precisión las necesidades de materiales para cada proyecto, optimizando así el proceso de compras y reduciendo los costos asociados. Para alcanzar estos objetivos, se propone un modelo de análisis de datos que permita prever el consumo de materiales en función de patrones históricos. Los objetivos específicos incluyen el desarrollo de un modelo de Machine Learning para la predicción de consumo, la implementación de un sistema de gestión de inventario basado en patrones de consumo, la evaluación de la reducción de costos y la implementación de un sistema que evite el desabastecimiento. de materiales en proyectos clave de la empresa. En cuanto a la metodología, el análisis se realizará sobre un conjunto de datos que contiene registros detallados de consumo de materiales de Ingeomega SAS, empresa que brinda servicios a Empresas Públicas de Medellín (EPM) en el área de control de pérdidas en la región del Bajo Cauca antioqueño. Los datos cuentan con 9 columnas y 16,496 registros, lo cual permite realizar un análisis exhaustivo para identificar patrones y tendencias en el uso de los recursos materiales. Con estos datos, se espera obtener una mejora en la planificación y administración de los inventarios de la empresa.
Sistema de prevención y estudio contra la diabetes, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Montealegre Monroy, Carlos Andrés; Briñez de León, Juan Carlos
Este trabajo de grado se enfoca en el análisis de datos de consumo de clientes del gimnasio MEGA GYM HIT, realizando un seguimiento a sus usuarios con el fin de enfocarse en mejorar los niveles de salud y prevención de enfermedades como la obesidad, propone un sistema de recomendación de prevención de obesidad basado en estrategias de clustering. El análisis de datos inicia con la recolección de información de transacciones, incluyendo características como la edad, genero de los usuarios, el peso y la altura, también se busca conocer los niveles de actividad física que realiza el usuario estos niveles tendrán un rango entre 1 y 4, el índice de masa corporal también es una variable que se va a levantar en el estudio para cada usuario esta medida se tomara por profesionales capacitados. Esta información se somete a un proceso de limpieza y normalización para asegurar la calidad y consistencia de los datos. A partir de este análisis, se propone utilizar algoritmos de clustering como K-means y DBSCAN con el objetivo de agrupar a los usuarios en segmentos con patrones en edades, niveles de actividad física peso y altura. El proceso de clustering permite identificar grupos homogéneos de usuarios, facilitando la creación de recomendaciones personalizadas de evaluación los niveles de obesidad en el que se encuentra y como generar un plan de trabajo para remediar estas afecciones. Los clusters revelan insights sobre las necesidades de mejorar los hábitos saludables dentro de los usuarios del gimnasio, como alertas para generar de manera oportuna acciones de mejora. La recomendación basada en clustering optimiza la segmentación y el agrupamiento, mejorando la servicio para usuarios que necesiten un seguimiento adicional para mejorar su salud. El modelo es evaluado mediante métricas como el silhouette score, que valida la cohesión de los clusters, y se ajusta iterativamente para refinar las recomendaciones. Los resultados demuestran que esta metodología ofrece recomendaciones más precisas y relevantes en comparación con enfoques tradicionales, mejorando la experiencia del usuario.
Sistema de recomendación para el rendimiento de los estudiantes de secundaria, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Amaya Ríos, Mayelli; Salazar López, Gabriel; Muñoz Arcila, Joany; Briñez de León, Juan Carlos
Este estudio examina un grupo de 2392 alumnos de nivel secundario, que engloba aspectos demográficos, patrones de estudio, implicación de los padres, actividades fuera del currículo y desempeño escolar. El parámetro de interés, GradeClass, categoriza las notas en grupos concretos, ofreciendo un fundamento para la investigación en educación, el modelado predictivo y el análisis estadístico. La meta es identificar elementos que impactan en el desempeño escolar. Esto facilitará la categorización de los alumnos en función de su desempeño y la exploración de vínculos entre factores como el respaldo de los padres, las horas de estudio y la implicación en actividades fuera del currículo. Esta información no solo facilita el análisis del rendimiento individual, sino que también posibilita la creación de tácticas a medida para potenciar el rendimiento de grupos concretos de alumnos. El modelo se analizará empleando indicadores como la exactitud y la matriz de confusión para confirmar la validez de las proyecciones. Con el ajuste y perfeccionamiento del modelo, se espera lograr sugerencias más exactas para intervenciones en educación. Este enfoque tiene como objetivo mejorar la comprensión de los elementos que tienen influencia en el desempeño académico y perfeccionar el respaldo institucional, influyendo de manera positiva en la experiencia educativa.
Sistema de predicción en las ganancias de la empresa logística en los pedidos realizados por los clientes, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Giraldo González, Ivonne Dayana; Gallego Agudelo, Juan Camilo; Pérez Gualdron, Breiman Alexander; Briñez de León, Juan Carlos
En este proyecto, realizamos un análisis de predicción para las ganancias de una empresa logística llamada Extiblu SAS, con el objetivo de anticipar cómo se comportarán las ventas en 2025. Usamos datos de pedidos de clientes durante el 2024 y aplicamos algoritmos de machine learning para detectar patrones en las ventas, optimizar la logística y mejorar la eficiencia de las ventas. Primero, limpiamos y analizamos los datos, que incluían información como: la cantidad de productos pedidos, categorías de clientes, y valores de venta. A partir de esto, construimos un modelo predictivo que proyecta las ventas y nos permite anticipar temporadas de alta y baja demanda. El modelo ayuda a la empresa a tomar decisiones informadas sobre el manejo de inventarios, la distribución y la personalización de servicios para diferentes clientes, lo que reduce costos y mejora el servicio, apoyando su estrategia para mantenerse competitiva en el mercado logístico.
Sistema de analizar los rendimientos entre 100 estudiantes de informática, entre los niveles de depresión, rendimiento académico y patrones de TDAH (Trastorno por Déficit de Atención e Hiperactividad), utilizando estratégias de machine learning
(Corporación Universitaria Remington, 2024) Díaz Ojeda, Andrés Felipe; Briñez de León, Juan Carlos
En el presente trabajo de investigación se elaboró un modelo Machine Learning para predecir el rendimiento académico de los estudiantes universitarios, se utilizó el programa de dataset El objetivo de esta investigación es determinar en qué porcentaje Machine Learning permite predecir el rendimiento académico con precisión, sensibilidad y especificidad, con el fin de poder identificar a los alumnos con probabilidad de éxito o fracaso. En esta investigación se utilizó una población de 100 estudiantes de informática, así mismo se usó la totalidad de la población como muestra. Por otro lado, el estudio es de tipo aplicada, con un diseño de investigación experimental de tipo pre-experimental de un solo grupo, ya que luego de aplicar Machine Learning se podrá observar los resultados y realizar la medición. Como resultado en relación a la precisión, sensibilidad y especificad para los algoritmos de árbol de decisión.
Sistema de recomendación de videojuegos según compras pasadas, utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Velásquez Galvis, Carlos Eduardo; Briñez de León, Juan Carlos
Este proyecto se enfoca en el desarrollo de un sistema de recomendación para usuarios de videojuegos, utilizando estrategias de clustering basadas en machine learning. La información procesada incluye datos generados al azar sobre el género y precio de los videojuegos, la frecuencia de compra, el monto total gastado, la valoración de los juegos y la plataforma favorita de los usuarios. Inicialmente, los datos se preparan mediante limpieza, normalización y transformación de variables categóricas, asegurando que sean adecuados para el modelo de análisis. Para agrupar a los usuarios según patrones de comportamiento similares, se emplean algoritmos de clustering, como K-means, con el objetivo de segmentarlos en grupos de consumo característicos. Esta segmentación permite generar recomendaciones personalizadas de videojuegos para cada grupo, tomando en cuenta variables como la frecuencia de compra o las plataformas más utilizadas. Los grupos creados ofrecen insights sobre las preferencias de los usuarios, facilitando una mayor personalización en la oferta de juegos. El sistema de recomendación basado en clustering mejora la precisión de las recomendaciones en comparación con enfoques generalizados, optimizando la experiencia del usuario y la relevancia de los juegos sugeridos. Los resultados del modelo se validan mediante métricas como el silhouette score, garantizando la cohesión y calidad de los clusters obtenidos.
Sistema de recomendación para detectar patrones climáticos utilizando estrategias de machine learning
(Corporación Universitaria Remington, 2024) Ríos Sánchez, Sebastián; Briñez de León, Juan Carlos
A medida que la humanidad ha avanzado en la recopilación y análisis de datos climáticos, su uso para la toma de decisiones ha cobrado gran relevancia, especialmente en un contexto donde el cambio climático intensifica fenómenos como inviernos extremos y sequías prolongadas. La prevención y la acción ante estos eventos se han vuelto esenciales para proteger a las comunidades y mitigar los impactos de los desastres naturales. En este sentido, la inteligencia artificial y el machine learning ofrecen herramientas valiosas al identificar patrones climáticos que permiten anticipar eventos extremos y mejorar la preparación para emergencias. El análisis realizado sobre datos climáticos ha revelado patrones estacionales que ayudan a prever fenómenos naturales y a mitigar riesgos en sectores clave como la agricultura y la energía. Además, se observaron correlaciones significativas entre variables como presión atmosférica, humedad y velocidad del viento, que pueden funcionar como indicadores tempranos de condiciones severas. Estos patrones y correlaciones permiten desarrollar modelos predictivos que refuerzan los sistemas de alerta y mejoran la capacidad de respuesta ante situaciones adversas. Finalmente, los modelos empleados, como las regresiones múltiples, han demostrado ser efectivos en la predicción a corto y mediano plazo de fenómenos climáticos específicos. Esto refuerza la idea de que la integración de la ciencia de datos y la inteligencia artificial es un componente crucial para enfrentar los desafíos actuales del cambio climático y tomar decisiones informadas que salvaguarden a la sociedad.
Software para la gestión de requerimientos y soporte de necesidades empresa Panal S.A.S
(Corporación Universitaria Remington, 2024) Giraldo Ocampo, Andrés Felipe; Suárez Patiño, Laura Vanessa
En el presente trabajo de grado se pretende desarrollar, diseñar e implementar un software para la gestión de requerimientos y soporte de necesidades de los usuarios internos de la empresa PANAL SAS. La herramienta puede ser considerada como una alternativa para incrementar la eficiencia y eficacia en el manejo de requerimientos desde el área de tecnología, logrando obtener procesos y recursos más optimizados. A través de este proyecto, los usuarios pueden registrar y gestionar los requerimientos, hacer un seguimiento de la priorización, asignación de recursos y, finalmente, obtener informes a través de la interfaz de software del sistema y el análisis de datos. En general, se busca abordar los desafíos comunes en la gestión de requisitos que incluyen desorganización, trabajo duplicado y falta de visibilidad. Al finalizar el proyecto, se espera que la empresa PANAL S.A.S., mejore su capacidad para responder a los requerimientos y las necesidades de los colaboradores, facilitando un manejo más efectivo de todas las etapas de las solicitudes.
Montaje de hardware y software de un servidor para la disposición de la base de datos del aplicativo web APKProint en la empresa Prointimo SAS
(Corporación Universitaria Remington, 2024) Muñoz Osorio, Camilo; Suárez Patiño, Laura Vanessa
El montaje de un equipo servidor en la empresa Prointimo S.A.S tiene como objetivo fortalecer la infraestructura tecnológica que soporta múltiples procesos internos importantes para la compañía. Este proyecto busca optimizar tanto el rendimiento como la eficiencia operativa de la empresa, garantizando que los sistemas internos funcionen de manera confiable y escalable. A lo largo del proyecto, se exploran y describen los escenarios más adecuados para la implementación de un servidor, considerando los requisitos óptimos tanto a nivel de hardware como de software. El enfoque está en asegurar que la solución propuesta sea capaz de soportar eficientemente el aplicativo web APKProint y su base de datos, garantizando una alta disponibilidad, rendimiento y seguridad. Con la implementación de este servidor, la empresa no solo mejora significativamente su capacidad tecnológica, sino que también se posiciona en un camino hacia la innovación continua. Esto permite optimizar el flujo de trabajo en áreas clave y fomentar una cultura empresarial más adaptable a los entornos tecnológicos modernos, promoviendo la adopción de herramientas digitales que impulsan la eficiencia y competitividad.
El enfoque de economía circular en AWS y su impacto en el sector tecnológico
(Corporación Universitaria Remington, 2024) Trujillo Díaz, Lucy Alejandra; Villa Henao, Lina María
En el siguiente documento se trata de cómo cloud AWS aplica la economía sostenible en cada espacio de su organización, revisar diferentes teorías de las economías circulares que hay y cómo se aplican dentro de una organización, validar cuáles son las economías que se aplican dentro de cloud AWS. Aun se han identificado algunas como inclusión social, ahorro de energía, producción de energía, utilizar energía sostenible como molinos de viento y paneles. Organización en temas de economía circular, ya que es una organización bastante grande y se está expandiendo a nivel mundial. Es una de las mejores nubes que tiene el mundo, por ende, cada vez está siendo más acogida por el mundo y conociendo de las problemáticas ambientales cual es su aporte a nivel global de temas de economía circular, que es uno de los ejes más importantes que se requiere validar. solares en los diferentes data centers, es crucial enterar qué herramientas ha aplicado esta. De esta manera en el documento habrá un plus de diferentes temas que se trataran a nivel de la economía circular que ayuda a entender lo que se esta viendo en el seminario, tratando de aplicar lo aprendido y sugerido por el docente, teniendo presente que el documento tiene diferentes objetivos de entender como aplica la economía circular AWS cloud, verificar que tipo de economía circular tienen implementada en la organización y diseñar una demostración de las diferentes aplicaciones que da a lo largo del camino. En el desarrollo documental se encuentra todo lo que es la base de documentación a nivel de cloud AWS y economía circular, esto nos da una base para entender todo lo que aplican dentro de la organización, da un marco teórico de los antecedentes que se han aplicado dentro de la organización, con base a este apartado entendemos todo lo que es relacionado al tema a tratar. Dentro del documento se da una conclusión de los aportado por e documentos y la organización cloud AWS frente al tema de economía circular, como ayuda esto a la sociedad y a el medio ambiente, en este apartado se quiere mostrar como esta funcionado todo dentro de la organización y como se llega a un análisis de todo lo propuesto.
Informe de seminario realizado en la empresa Inmel Ingeniería en el departamento del Chocó
(Corporación Universitaria Remington, 2024) Rentería Córdoba, Jackson; Villa Henao, Lina María
En la actualidad, la transmisión de datos por fibra óptica ha desplazado a las tecnologías anteriormente utilizadas, basadas en cables trenzados o cables coaxial. Frente a esta tecnología ya obsoleta, la fibra óptica permite anchos de banda y velocidades, mejor comportamiento ante las interferencias y mayor seguridad de la red, debido a ello en INMEL INGENIERIA se está aportando a la sostenibilidad con el repliegue o retiro de la red de COBRE en el departamento del CHOCÓ y sus alrededores. En este sentido, el proyecto tiene como finalidad la reutilización del cobre como aporte vital a la economía circular, reduciendo el desperdicio, el impacto ambiental y fomentando la sostenibilidad. El cobre es un recurso valioso, ampliamente utilizado en la industria eléctrica, electrónica y de construcción. Sin embargo, su extracción y procesamiento generan un alto impacto ambiental y consumen recursos no renovables. Con el proyecto se pretende beneficiar a las muchas familias que viven de esta labor del reciclaje, también incentivar a toda la comunidad en general al buen aprovechamiento de los residuos, especialmente el cobre.
Implementación del big data en el sector agrícola
(Corporación Universitaria Remington, 2024) Begambre Rojas, Stiven David; Dueñas Alemán, Donaldo José; Rivera Gómez, Yirson Esteban; Guevara Calume, Roberto Carlos
En este trabajo se investiga y se analiza como la big data se aplica en el sector o área de la agricultura buscando mejorar y revolucionar en este campo proponiendo nuevas tecnologías que puedan ayudar al campesino a mejorar su productividad, pero antes debemos recordar y predeterminar que tipo de concepto es big data se refiere a esos grandes volúmenes de datos que vienen de forma descentralizada y que se acumulan mediante el tiempo donde se extraen y se analizan de grandes repositorios de datos que son imposibles de manejarlo con herramientas de bases datos y analítica muy convencionales, además permite que una empresa u organización pueda crear, manipular y administrar todo tipo de datos (Camargo-Vega, 2015). El big data se aplica o implementa en diferentes campos de la ciencia arrojando resultados óptimos, ya centrándose en el sector de la agricultura este intentan promover información importante por medio de ciertos procedimientos los cuales generan predicciones de un contexto valioso relacionado con el clima, el suelo y los cultivos, también permitiendo evaluar el ambiente y el terreno, todo esto son elementos relevantes de gran impacto para la producción agrícola y hay que entender que los datos que se adquieren son atreves de plataformas, dispositivos electrónicos o diferentes tecnologías como sensores agrícolas que ofrecen monitorear distintos valores en tiempo real siendo factor la temperatura, el estado y humedad del suelo, la adecuación del aire y la proporción de nutriente que se necesita o que se está excediendo, dado al obtener estos datos se permite adquirir información o conocimiento actualizado sobre ese entorno agrícola, comúnmente hay variedad de tecnologías en particular como las imágenes satelitales, sistemas de riego inteligentes, registro de campo y maquinaria entre otras con el objetivo de obtener datos importantes que se puedan analizar y tomar decisiones fundamentales que contribuya a la optimización de la producción agrícola (Carlos, 2023).

Browse

Recent Submissions