Publication: Proyecto aplicación machine learning en la Agencia de Turismo Agentur
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Corporación Universitaria Remington
Abstract
Para llevar a cabo este proyecto, realizamos una investigación exhaustiva sobre los modelos más comunes para el análisis de datos en Machine Learning, centrándonos en el seminario proporcionado en la plataforma Crehana. Esta fuente ha sido clave para obtener la mayor parte de la información. Nuestro enfoque se dirige hacia la aplicación práctica de estos conocimientos en el sector turístico, específicamente en la agencia de viajes “Agentur”. A pesar de los desafíos que enfrentó el sector turístico durante la pandemia, actualmente es una de las industrias que experimenta un notable crecimiento debido a una alta demanda. Este crecimiento ha impulsado la proliferación de agencias, principalmente virtuales, con plataformas avanzadas de autogestión que ganan protagonismo frente a las agencias físicas. Motivados por esta tendencia, decidimos implementar un proyecto de Machine Learning que permita a la agencia “Agentur” implementar herramientas tecnológicas para estar a la altura de las agencias virtuales. Comenzamos recopilando datos e información, posteriormente filtrándose y procesándolos con el objetivo de mejorar significativamente la experiencia de los clientes de la agencia Agentur. Se aborda los fundamentos del Machine Learning, destacando el uso de Python y herramientas como Numpy, Pandas, Scikits Learn, y Jupyter Notebooks. Se detalla el proceso para aplicar Python en ejercicios de regresión, incluyendo la descarga de librerías, asignación de nombres a variables y la transformación de variables no numéricas a Dummy. Se explica el concepto de aprendizaje supervisado, sus categorías y variables dependientes e independientes. Se mencionan algoritmos como regresión lineal, regresión logística, árboles de decisión, bosque aleatorio y redes neuronales. Se introduce el concepto de contrafactual y efecto causal, señalando la limitación del Machine Learning en encontrar relaciones causales. Se exploran algoritmos causales como Double LASSO, Causal Trees y Causal Forest. El texto también aborda la evaluación de modelos, el workflow de Machine Learning, la preparación de datos, la etapa de entrenamiento y métricas de desempeño como la matriz de confusión. Se presentan métodos de validación cruzada como Holdout Cross Validation.Se discuten principios del Machine Learning como la generalización, la navaja de Ockham y conocimiento jerárquico. Se explora la evolución del lenguaje natural, destacando GPT-3 y Github Copilot como herramientas potentes. Se menciona la importancia de la innovación tecnológica con inteligencia artificial, los algoritmos evolutivos y la lógica difusa. Este proyecto revela la convergencia estratégica entre la innovación tecnológica y la industria turística. Con el creciente papel de la inteligencia artificial, y más específicamente del Machine Learning, en la toma de decisiones empresariales, este proyecto busca transformar la forma en que la agencia comprende y se relaciona con sus clientes. La esencia del proyecto se centra en la anticipación de las necesidades y deseos del cliente a través de modelos predictivos de Machine Learning. Al abordar la capacidad de prever el interés de los clientes en realizar segundas y terceras compras, así como en la evaluación de patrones de interés, preferencias de destinos y estrategias de marketing, se plantea una visión innovadora para la mejora de la fidelización del cliente. Este enfoque no solo busca aumentar las ventas y optimizar las campañas de marketing, sino que también pretende proporcionar una experiencia más personalizada y satisfactoria para cada cliente. Al alinear la tecnología con las expectativas del cliente en la industria de viajes, se aspira no solo a la eficiencia operativa, sino a la creación de relaciones más sólidas y duraderas, llevando la fidelización del cliente a un nuevo nivel.
Description
Keywords
Machine Learning, Big Data, Inversión tecnológica, Aprendizaje automático, Regresión logística, Aprendizaje supervisado, La ética en la inteligencia artificial, Análisis contrafactual, Clustering, Redes neuronales