Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Vélez Uribe, Juan PabloPérez Lezama, Alejandro2024-01-192024-01-192023https://repositorio.uniremington.edu.co/handle/123456789/2041El presente trabajo se enfoca en el desarrollo de una solución innovadora para mejorar la asignación de tareas en entornos de desarrollo de software, específicamente dirigida a desarrolladores junior. Este proyecto se inspira en la creciente necesidad de herramientas automatizadas y personalizadas en el ámbito de la programación y el desarrollo de software, particularmente para aquellos que están en las primeras etapas de su carrera profesional. El núcleo del proyecto se basa en la aplicación de conceptos y técnicas de Machine Learning (ML), abarcando desde fundamentos teóricos hasta prácticas aplicadas, como se explica en los cursos proporcionados. La metodología adoptada incluye el análisis detallado de los requisitos de los desarrolladores junior, la selección y preparación de los conjuntos de datos apropiados, y el desarrollo de modelos de ML adecuados para predecir y asignar tareas basándose en diversos criterios como la habilidad, experiencia previa y áreas de interés del desarrollador. Se ha hecho énfasis en la integración de conocimientos adquiridos en distintos módulos de aprendizaje, tales como "Introducción a Machine Learning", "Fundamentos Aplicados de Machine Learning", "Machine Learning: Aprendizaje Supervisado", y "Evaluación de Modelos de Machine Learning". Estos conocimientos han sido cruciales en todas las fases del proyecto, desde la conceptualización hasta la implementación del modelo de ML en la plataforma. Además, se ha considerado la importancia de la ética en la inteligencia artificial, siguiendo las directrices aprendidas. El resultado es una plataforma que no solo optimiza la asignación de tareas, sino que también sirve como herramienta de aprendizaje y desarrollo para los desarrolladores junior, proporcionándoles tareas acordes a su nivel de habilidad y promoviendo su crecimiento profesional. Este trabajo no solo refleja una aplicación práctica de los conocimientos teóricos en ML, sino que también demuestra cómo la inteligencia artificial puede ser utilizada para resolver problemas reales y mejorar procesos en el ámbito profesional.21 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2024Machine LearningInteligencia ArtificialDesarrolloJuniorAprendizaje supervisadoAnálisis contrafactualRegresión linealClasificaciónRedes neuronalesDesarrollo de softwareTrabajo de grado - Pregradoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aprendizaje automático (Inteligencia artificial)Aprendizaje supervisado (Aprendizaje automático)Desarrollo de programas para computador