Machine learning para una gestión energética avanzada en el hogar

Caicedo Becerra, Diana Mireya; Rodríguez Meneses, Yenner Zamir

Publication:
Machine learning para una gestión energética avanzada en el hogar

dc.contributor.advisor	Mira Mejía, Jhon Fredy
dc.contributor.author	Caicedo Becerra, Diana Mireya
dc.contributor.author	Rodríguez Meneses, Yenner Zamir
dc.date.accessioned	2024-01-31T21:03:06Z
dc.date.available	2024-01-31T21:03:06Z
dc.date.issued	2023
dc.description.abstract	En este seminario, buscamos establecer un sistema para manejar la energía en los hogares de una manera más eficiente, Vamos a utilizar técnicas de aprendizaje automático “Machine Learning” para prever y ajustar de manera automatizada el consumo de energía. En la etapa de diseño, nos enfocaremos en la planificación de la estructura, identificar variables críticas y elegir algoritmos de aprendizaje automático. La elección de dispositivos se centrará en la selección de sensores y actuadores que faciliten la recopilación y control de datos. Posteriormente, en la etapa de implementación nos enfocaremos en la disposición física de los dispositivos seleccionados, asegurando una conexión y ubicación adecuadas. En la etapa de programación, configuraremos el software encargado de ejecutar el modelo de aprendizaje automático y automatizar los ajustes en el consumo de energía. Durante la fase operativa, se realizarán pruebas para evaluar el desempeño del modelo y realizar los ajustes necesarios. El mantenimiento continuo se centrará en la supervisión del sistema, la aplicación de actualizaciones y la resolución de problemas, garantizando un funcionamiento óptimo a lo largo del tiempo. El éxito de este sistema se traducirá en la capacidad de anticipar patrones de consumo y también en su capacidad de adaptarse a cambios según el comportamiento del usuario. Ademas promoveremos la participación activa mediante interfaces de usuario que sean fáciles de usar. En resumen el objetivo de este seminario es unir la domótica con la inteligencia artificial para crear hogares eficientes, sostenibles y adaptables, mejorando la calidad de vida de los residentes y contribuyendo a la preservación del medio ambiente.
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) de Sistemas	spa
dc.format.extent	22 p.
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repositorio.uniremington.edu.co/handle/123456789/2129
dc.language.iso	spa	spa
dc.publisher	Corporación Universitaria Remington	spa
dc.publisher.faculty	Facultad de Ingenierías	spa
dc.publisher.place	Medellín (Antioquia, Colombia)	spa
dc.publisher.program	Ingeniería de Sistemas	spa
dc.rights	Derechos Reservados - Corporación Universitaria Remington, 2024	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	spa
dc.subject	Eficiencia	spa
dc.subject	Domótica	spa
dc.subject	Machine Learning	spa
dc.subject	Ahorro de energía	spa
dc.subject	Preservación medio ambiente	spa
dc.subject.lemb	Aprendizaje automático (Inteligencia artificial)
dc.subject.lemb	Domótica
dc.subject.lemb	Protección del medio ambiente
dc.title	Machine learning para una gestión energética avanzada en el hogar	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f	spa
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcol	http://purl.org/redcol/resource_type/TP	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication	spa