Algoritmo computacional para el análisis y toma de decisiones en datos de la predicción ICFES 2024, utilizando estrategias de machine learning

Correal Rodríguez, Wilson Andrés; Pérez Cubides, Marlon Yair

Publication:
Algoritmo computacional para el análisis y toma de decisiones en datos de la predicción ICFES 2024, utilizando estrategias de machine learning

dc.contributor.advisor	Briñez de León, Juan Carlos
dc.contributor.author	Correal Rodríguez, Wilson Andrés
dc.contributor.author	Pérez Cubides, Marlon Yair
dc.date.accessioned	2024-04-15T22:07:14Z
dc.date.available	2024-04-15T22:07:14Z
dc.date.issued	2024
dc.description.abstract	El 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.
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) de Sistemas	spa
dc.format.extent	27 p.
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repositorio.uniremington.edu.co/handle/123456789/2659
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	Icfes	spa
dc.subject	Análisis	spa
dc.subject	Puntaje	spa
dc.subject	Machine learning	spa
dc.subject	Saber11	spa
dc.subject	Aprendizaje en ML	spa
dc.subject	Árbol de regresión	spa
dc.subject	Regresión lineal múltiple	spa
dc.subject	Entrenamiento	spa
dc.subject	Evaluación ML	spa
dc.subject	AI	spa
dc.subject	Python	spa
dc.subject.lemb	Aprendizaje automático (Inteligencia artificial)
dc.subject.lemb	Toma de decisiones
dc.subject.lemb	Predicciones tecnológicas
dc.title	Algoritmo computacional para el análisis y toma de decisiones en datos de la predicción ICFES 2024, utilizando estrategias de machine learning	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