Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Briñez de León, Juan CarlosLeón Pulgarín, Cristian AndrésEstrada Salgado, Mairym MishellCaro Román, Diana Marcela2025-01-092025-01-092024https://repositorio.uniremington.edu.co/handle/123456789/5770En el presente trabajo se aplica el análisis mediante Técnica profesionals de Machine Learning para estudiar la relación entre datos de utilidades y la satisfacción del cliente en el restaurante ATICO, con el objetivo de identificar patrones en el comportamiento de consumo y optimizar la experiencia a través de un sistema de recomendaciones. Para ello, se utiliza modelos predictivos que permiten predecir la relación entre variables como el valor monetario de los platos vendidos, el nivel de servicio y la percepción de los clientes en términos de satisfacción. El estudio comienza con la recopilación de datos históricos del restaurante ATICO y su análisis preliminar utilizando Técnica profesionals de limpieza, transformación y preparación de datos para asegurar la calidad de la información. Luego, se implementa algoritmos de Machine Learning, destacando el modelo KNM y Técnica profesionals de regresión para establecer patrones de consumo y su influencia en la satisfacción del cliente. Además del análisis estadístico, se realizan simulaciones predictivas utilizando estos modelos para validar las conclusiones respecto a las utilidades futuras y la percepción de los clientes, ajustando la información a partir de patrones históricos de consumo. Como resultado, el modelo permite anticipar tendencias y proyecciones relacionadas con la satisfacción y el comportamiento de los clientes en función de los datos procesados. Este análisis no solo proporciona una herramienta estratégica para la toma de decisiones informadas dentro del restaurante ATICO, sino que también propone la implementación de sistemas de recomendación para personalizar servicios y mejorar la experiencia de los clientes, generando un impacto positivo en la operación y rentabilidad del establecimiento.29 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2025Machine learningSatisfacción del clienteAnálisis de datosRegresiónAlgoritmos de Machine learningKNMPredicciónSistema de recomendaciónAprendizaje automatizadoTrabajo de grado - Especializacióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Modelos de regresiónAlgoritmosAutomatización