Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena

Debido al incremento del uso de analítica de datos para la toma de decisiones en las organizaciones, se hace necesario aplicar estas acciones en Entidades del Sector público para analizar los datos históricos y comunicar conclusiones acertados sobre el comportamiento de estos, por esta razón se dise...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/40182
Acceso en línea:
https://doi.org/10.48713/10336_40182
https://repository.urosario.edu.co/handle/10336/40182
Palabra clave:
Analítica de datos
Modelos predictivos
Auditoría interna
Deserción de aprendices
Data analytics
Predictive models
Internal audit
Trainee desertion
Rights
License
Attribution-NonCommercial-NoDerivatives 4.0 International
id EDOCUR2_2d0a8cf7ac39358c7464b0dfa4e73a0e
oai_identifier_str oai:repository.urosario.edu.co:10336/40182
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
dc.title.TranslatedTitle.none.fl_str_mv Data analysis tool for internal audit tests of the missionary process in the sena
title Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
spellingShingle Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
Analítica de datos
Modelos predictivos
Auditoría interna
Deserción de aprendices
Data analytics
Predictive models
Internal audit
Trainee desertion
title_short Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
title_full Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
title_fullStr Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
title_full_unstemmed Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
title_sort Herramienta de data analytics para pruebas de auditoría interna del proceso misional del sena
dc.contributor.advisor.none.fl_str_mv Bermudez Sosa, Hebert Jair
dc.subject.none.fl_str_mv Analítica de datos
Modelos predictivos
Auditoría interna
Deserción de aprendices
topic Analítica de datos
Modelos predictivos
Auditoría interna
Deserción de aprendices
Data analytics
Predictive models
Internal audit
Trainee desertion
dc.subject.keyword.none.fl_str_mv Data analytics
Predictive models
Internal audit
Trainee desertion
description Debido al incremento del uso de analítica de datos para la toma de decisiones en las organizaciones, se hace necesario aplicar estas acciones en Entidades del Sector público para analizar los datos históricos y comunicar conclusiones acertados sobre el comportamiento de estos, por esta razón se diseñó para el área de auditoría interna de la Entidad estudiada una herramienta de Data Analytics, que permita profundizar en el análisis de la información y los datos que genera la Entidad a partir del desarrollo de pruebas de auditoría, previas a la etapa de desempeño de las auditorías en campo para obtener posibles alertas preventivas, realizar análisis descriptivo de las bases de datos, visualización de la información y aplicar modelos predictivos supervisados, lo cual generará valor y calidad en las auditorías efectuadas a los procesos misionales, exactamente al procedimiento de la formación profesional integral de los aprendices y así mismo, contribuirá al logro del objetivo estratégico de la Oficina de Control Interno de la Entidad y al rol que se ejecuta desde la tercera línea de defensa.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-07-17T16:30:54Z
dc.date.available.none.fl_str_mv 2023-07-17T16:30:54Z
dc.date.created.none.fl_str_mv 2023-07-14
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv Trabajo de grado
dc.type.spa.none.fl_str_mv Trabajo de grado
dc.identifier.doi.none.fl_str_mv https://doi.org/10.48713/10336_40182
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/40182
url https://doi.org/10.48713/10336_40182
https://repository.urosario.edu.co/handle/10336/40182
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
Abierto (Texto Completo)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 75
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad del Rosario
dc.publisher.department.none.fl_str_mv Escuela de Administración
Escuela de Ingeniería, Ciencia y Tecnología
dc.publisher.program.none.fl_str_mv Maestría en Business Analytics
publisher.none.fl_str_mv Universidad del Rosario
institution Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv Aguilar Vilca, D., & Camargo Ramos, J. C. (2021). Sistema inteligente basado en redes neuronales, máquina de soporte vectorial y random forest para la predicción de deserción de clientes en microcréditos de bancos [Universidad Nacional Mayor de San Marcos]. http://cybertesis.unmsm.edu.pe/bitstream/handle/20.500.12672/16390/Aguilar_vd.pdf?sequence=1&isAllowed=y
Asamblea Nacional Constituyente. (1991). Constitución Política de Colombia 1991. http://www.secretariasenado.gov.co/senado/basedoc/constitucion_politica_1991.html
Cardona Taborda, C. H., Gelves García, N., & Palacios Rozo, J. J. (2016). Análisis de datos mediante el algoritmo de clasificación 48, sobre un cluster en la nube de AWS. Universidad Distrital Francisco José de Caldas, especial, 145. http://revistas.udistrital.edu.co/ojs/index.php/REDES/index
Castro Sotomonte, J. E., Rodríguez Rodríguez, C. C., Montenegro Marín, C. E., Gaona García, P. A., & Castellanos, J. G. (2016). Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos. Revista Científica Universidad Distrital Francisco José de Caldas, 26, 49. https://doi.org/10.14483/23448350.11089
Contreras, C. (2021). Determinación de variables predictivas de deserción inicial para generar un sistema de alerta temprana. Análisis sobre una muestra de estudiantes beneficiarios de la beca de nivelación académica en una universidad pública en Chile. Calidad en la educación, 54, 12-45. https://doi.org/10.31619/caledu.n54.828
Cuji, B., Gavilanes, W., & Sanchez, R. (2017). Modelo predictivo de deserción estudiantil basado en arboles de decisión. Revista Espacios, 38(55), 17. http://ww.revistaespacios.com/a17v38n55/a17v38n55p17.pdf
Deloitte. (2016). Internal audit analytics: The journey to 2020 Insights-driven auditing. Deloitte Development. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/risk/us-risk-internal-audit-analytics-pov.pdf
DNP Departamento Nacional de Planeación & Departamento Administrativo de la Función Pública. (2010). CONPES 3654 de 2010 Politica de Rendición de Cuentas de la Rama Ejecutiva a los ciudadanos. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=83124
Echeverría, F. (2019, septiembre 20). Auditoría Interna Re Imaginada—KPMG Colombia. KPMG. https://kpmg.com/co/es/home/insights/2019/09/auditoria-interna-re-imaginada.html
Fernández Martín, T., Solís Salazar, M., Hernández Jiménez, M. T., & Moreira Mora, T. E. (2019). Un análisis multinomial y predictivo de los factores asociados a la deserción universitaria. Revista Electrónica Educare, 23(1), 73-97. https://doi.org/10.15359/ree.23-1.5
Galán Cortina, V. (2015). Aplicación de la Metodología CRISP-DM a un Proyecto de Minería de Datos en el Entorno Universitario. 21.
IBM. (2021, agosto 17). IBM Documentation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overview
Instituto de Censores Jurados de Cuentas de España. (2019). La transformación digital en el sector de auditoría. https://www.icjce.es/adjuntos/transf-digital.pdf
Islam, S., & Stafford, T. (2022). Factors associated with the adoption of data analytics by internal audit function. Managerial Auditing Journal, 37(2), 193-193-223. Emerald Insight. https://doi.org/10.1108/MAJ-04-2021-3090
Jurado Mantilla, M. J. (2019). Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/48758
Manríquez Pacheco, R. (2022). Modelo de Deserción Estudiantil. https://repositorio.udd.cl/handle/11447/7490
Nelson, G. S. (2018). The analytics lifecycle toolkit: A practical guide for an effective analytics capability (1st ed.). Hoboken, New Jersey : Wiley.
Quintero, Y. A. (2022). Diseño de un modelo predictivo para generar alertas tempranas de deserción universitaria en los programas de pregrado presenciales de la Facultad de Ingeniería de la Universidad de Antioquia. [Universidad de Antioquia]. https://bibliotecadigital.udea.edu.co/bitstream/10495/29368/1/QuinteroYudy_2022_ModeloPredictivoDesercio%cc%81n.pdf
Raunakjhawar. (s. f.). Extracción, transformación y carga de datos (ETL)—Azure Architecture Center. Recuperado 23 de mayo de 2023, de https://learn.microsoft.com/es-es/azure/architecture/data-guide/relational-data/etl
Rivera Vergaray, K. (2021). Modelo predictivo para la detección temprana de estudiantes con alto riesgo de deserción académica. Revista Innovación y Software, 2(2), 6-13. https://www.redalyc.org/journal/6738/673870839001/html/
Schwaber, K., & Sutherland, J. (2020). La Guía de Scrum La Guía Definitiva de Scrum: Las Reglas del Juego. ScrumGuides.org. https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Spanish-Latin-South-American.pdf
SENA. (s. f.). Glosario. SENA. Recuperado 4 de mayo de 2023, de https://www.sena.edu.co:443/es-co/ciudadano/Paginas/glosario.aspx
SENA. (2020). Identificación causas de deserción 2020. Servicio Nacional de Aprendizaje SENA. https://www.sena.edu.co/es-co/ciudadano/Documents/identificacion_causas_desercion_2020.pdf
SENA. (2023). Estructura Orgánica del SENA. Servicio Nacional de Aprendizaje SENA. https://www.sena.edu.co/es-co/sena/Documents/Estructura_Organica_SENA_%20PP_dao.pdf
Servicio Nacional de Aprendizaje SENA. (2023, abril 8). Planeación estratégica. SENA. https://www.sena.edu.co/es-co/sena/Paginas/planeacionEstrategica.aspx
dc.source.instname.none.fl_str_mv instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/e63750e2-9eb6-47c8-bae3-85bbe18d0745/download
https://repository.urosario.edu.co/bitstreams/a37f9715-c17c-408a-98e7-5b5e287a4a53/download
https://repository.urosario.edu.co/bitstreams/4ff46120-c69f-4ae0-9d89-0bd969a93de2/download
https://repository.urosario.edu.co/bitstreams/c631d6ee-e779-4a88-ad82-9d310d75c63f/download
https://repository.urosario.edu.co/bitstreams/c7202466-7177-4089-bf82-feca5f22c58a/download
bitstream.checksum.fl_str_mv a9d61428c9de1c31a98a2c3994353032
b2825df9f458e9d5d96ee8b7cd74fde6
3b6ce8e9e36c89875e8cf39962fe8920
e0622fa2470c8116ff2ed7f241f7bda9
f96a254c6d52ba6141167943e00a24bc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167701326659584
spelling Bermudez Sosa, Hebert Jairaafd0fec-08f9-4f0d-9fff-5b5435f53179-1Niño Castañeda, Yeimy PaolaMagíster en Business AnalyticsPart time04d4a184-6b53-4186-8121-35f895f678d5-12023-07-17T16:30:54Z2023-07-17T16:30:54Z2023-07-14Debido al incremento del uso de analítica de datos para la toma de decisiones en las organizaciones, se hace necesario aplicar estas acciones en Entidades del Sector público para analizar los datos históricos y comunicar conclusiones acertados sobre el comportamiento de estos, por esta razón se diseñó para el área de auditoría interna de la Entidad estudiada una herramienta de Data Analytics, que permita profundizar en el análisis de la información y los datos que genera la Entidad a partir del desarrollo de pruebas de auditoría, previas a la etapa de desempeño de las auditorías en campo para obtener posibles alertas preventivas, realizar análisis descriptivo de las bases de datos, visualización de la información y aplicar modelos predictivos supervisados, lo cual generará valor y calidad en las auditorías efectuadas a los procesos misionales, exactamente al procedimiento de la formación profesional integral de los aprendices y así mismo, contribuirá al logro del objetivo estratégico de la Oficina de Control Interno de la Entidad y al rol que se ejecuta desde la tercera línea de defensa.Due to the increased use of data analytics for decision making in organizations, it’s necessary to apply these actions in the Public Sector Entities to analyze historical data and communicate correct conclusions about their behavior, for this reason it will be designed for Internal Audit Area of the Entity that I studied a data analytics tool that allows deepening the analysis of the information and data generated by the Entity from the development of audit tests, prior to the performance stage of the field audits to obtain possible preventive alerts, perform a descriptive analysis of the databases, visualization of the information and apply supervised predictive models, which will generate value and quality in the audits carried out on the mission processes, exactly to the procedure of the comprehensive professional training of the apprenticeships and thus contribute to the achievement of the strategic objective of the Office of Internal Control of the Entity and the role that is executed from the third line of defense.75application/pdfhttps://doi.org/10.48713/10336_40182 https://repository.urosario.edu.co/handle/10336/40182spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution-NonCommercial-NoDerivatives 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2Aguilar Vilca, D., & Camargo Ramos, J. C. (2021). Sistema inteligente basado en redes neuronales, máquina de soporte vectorial y random forest para la predicción de deserción de clientes en microcréditos de bancos [Universidad Nacional Mayor de San Marcos]. http://cybertesis.unmsm.edu.pe/bitstream/handle/20.500.12672/16390/Aguilar_vd.pdf?sequence=1&isAllowed=yAsamblea Nacional Constituyente. (1991). Constitución Política de Colombia 1991. http://www.secretariasenado.gov.co/senado/basedoc/constitucion_politica_1991.htmlCardona Taborda, C. H., Gelves García, N., & Palacios Rozo, J. J. (2016). Análisis de datos mediante el algoritmo de clasificación 48, sobre un cluster en la nube de AWS. Universidad Distrital Francisco José de Caldas, especial, 145. http://revistas.udistrital.edu.co/ojs/index.php/REDES/indexCastro Sotomonte, J. E., Rodríguez Rodríguez, C. C., Montenegro Marín, C. E., Gaona García, P. A., & Castellanos, J. G. (2016). Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos. Revista Científica Universidad Distrital Francisco José de Caldas, 26, 49. https://doi.org/10.14483/23448350.11089Contreras, C. (2021). Determinación de variables predictivas de deserción inicial para generar un sistema de alerta temprana. Análisis sobre una muestra de estudiantes beneficiarios de la beca de nivelación académica en una universidad pública en Chile. Calidad en la educación, 54, 12-45. https://doi.org/10.31619/caledu.n54.828Cuji, B., Gavilanes, W., & Sanchez, R. (2017). Modelo predictivo de deserción estudiantil basado en arboles de decisión. Revista Espacios, 38(55), 17. http://ww.revistaespacios.com/a17v38n55/a17v38n55p17.pdfDeloitte. (2016). Internal audit analytics: The journey to 2020 Insights-driven auditing. Deloitte Development. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/risk/us-risk-internal-audit-analytics-pov.pdfDNP Departamento Nacional de Planeación & Departamento Administrativo de la Función Pública. (2010). CONPES 3654 de 2010 Politica de Rendición de Cuentas de la Rama Ejecutiva a los ciudadanos. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=83124Echeverría, F. (2019, septiembre 20). Auditoría Interna Re Imaginada—KPMG Colombia. KPMG. https://kpmg.com/co/es/home/insights/2019/09/auditoria-interna-re-imaginada.htmlFernández Martín, T., Solís Salazar, M., Hernández Jiménez, M. T., & Moreira Mora, T. E. (2019). Un análisis multinomial y predictivo de los factores asociados a la deserción universitaria. Revista Electrónica Educare, 23(1), 73-97. https://doi.org/10.15359/ree.23-1.5Galán Cortina, V. (2015). Aplicación de la Metodología CRISP-DM a un Proyecto de Minería de Datos en el Entorno Universitario. 21.IBM. (2021, agosto 17). IBM Documentation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overviewInstituto de Censores Jurados de Cuentas de España. (2019). La transformación digital en el sector de auditoría. https://www.icjce.es/adjuntos/transf-digital.pdfIslam, S., & Stafford, T. (2022). Factors associated with the adoption of data analytics by internal audit function. Managerial Auditing Journal, 37(2), 193-193-223. Emerald Insight. https://doi.org/10.1108/MAJ-04-2021-3090Jurado Mantilla, M. J. (2019). Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/48758Manríquez Pacheco, R. (2022). Modelo de Deserción Estudiantil. https://repositorio.udd.cl/handle/11447/7490Nelson, G. S. (2018). The analytics lifecycle toolkit: A practical guide for an effective analytics capability (1st ed.). Hoboken, New Jersey : Wiley.Quintero, Y. A. (2022). Diseño de un modelo predictivo para generar alertas tempranas de deserción universitaria en los programas de pregrado presenciales de la Facultad de Ingeniería de la Universidad de Antioquia. [Universidad de Antioquia]. https://bibliotecadigital.udea.edu.co/bitstream/10495/29368/1/QuinteroYudy_2022_ModeloPredictivoDesercio%cc%81n.pdfRaunakjhawar. (s. f.). Extracción, transformación y carga de datos (ETL)—Azure Architecture Center. Recuperado 23 de mayo de 2023, de https://learn.microsoft.com/es-es/azure/architecture/data-guide/relational-data/etlRivera Vergaray, K. (2021). Modelo predictivo para la detección temprana de estudiantes con alto riesgo de deserción académica. Revista Innovación y Software, 2(2), 6-13. https://www.redalyc.org/journal/6738/673870839001/html/Schwaber, K., & Sutherland, J. (2020). La Guía de Scrum La Guía Definitiva de Scrum: Las Reglas del Juego. ScrumGuides.org. https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Spanish-Latin-South-American.pdfSENA. (s. f.). Glosario. SENA. Recuperado 4 de mayo de 2023, de https://www.sena.edu.co:443/es-co/ciudadano/Paginas/glosario.aspxSENA. (2020). Identificación causas de deserción 2020. Servicio Nacional de Aprendizaje SENA. https://www.sena.edu.co/es-co/ciudadano/Documents/identificacion_causas_desercion_2020.pdfSENA. (2023). Estructura Orgánica del SENA. Servicio Nacional de Aprendizaje SENA. https://www.sena.edu.co/es-co/sena/Documents/Estructura_Organica_SENA_%20PP_dao.pdfServicio Nacional de Aprendizaje SENA. (2023, abril 8). Planeación estratégica. SENA. https://www.sena.edu.co/es-co/sena/Paginas/planeacionEstrategica.aspxinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURAnalítica de datosModelos predictivosAuditoría internaDeserción de aprendicesData analyticsPredictive modelsInternal auditTrainee desertionHerramienta de data analytics para pruebas de auditoría interna del proceso misional del senaData analysis tool for internal audit tests of the missionary process in the senabachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónORIGINALHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdfHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdfapplication/pdf1572491https://repository.urosario.edu.co/bitstreams/e63750e2-9eb6-47c8-bae3-85bbe18d0745/downloada9d61428c9de1c31a98a2c3994353032MD51LICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/a37f9715-c17c-408a-98e7-5b5e287a4a53/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://repository.urosario.edu.co/bitstreams/4ff46120-c69f-4ae0-9d89-0bd969a93de2/download3b6ce8e9e36c89875e8cf39962fe8920MD53TEXTHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdf.txtHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdf.txtExtracted texttext/plain95293https://repository.urosario.edu.co/bitstreams/c631d6ee-e779-4a88-ad82-9d310d75c63f/downloade0622fa2470c8116ff2ed7f241f7bda9MD54THUMBNAILHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdf.jpgHerramienta-de-data-analytics-Nino-Castaneda-Yeimy-Paola-2023.pdf.jpgGenerated Thumbnailimage/jpeg2238https://repository.urosario.edu.co/bitstreams/c7202466-7177-4089-bf82-feca5f22c58a/downloadf96a254c6d52ba6141167943e00a24bcMD5510336/40182oai:repository.urosario.edu.co:10336/401822023-07-19 17:09:16.08http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.coRUwoTE9TKSBBVVRPUihFUyksIG1hbmlmaWVzdGEobWFuaWZlc3RhbW9zKSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8gbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4KPGJyLz4KUEFSQUdSQUZPOiBFbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgRUwgQVVUT1IsIGFzdW1pcsOhIHRvZGEgbGEgcmVzcG9uc2FiaWxpZGFkLCB5IHNhbGRyw6EgZW4gZGVmZW5zYSBkZSBsb3MgZGVyZWNob3MgYXF1w60gYXV0b3JpemFkb3M7IHBhcmEgdG9kb3MgbG9zIGVmZWN0b3MgbGEgdW5pdmVyc2lkYWQgYWN0w7phIGNvbW8gdW4gdGVyY2VybyBkZSBidWVuYSBmZS4KPGhyLz4KRUwgQVVUT1IsIGF1dG9yaXphIGEgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8sICBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBhbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCAgdXRpbGljZSB5IHVzZSBsYSBvYnJhIG9iamV0byBkZSBsYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuLgoKLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0KClBPTElUSUNBIERFIFRSQVRBTUlFTlRPIERFIERBVE9TIFBFUlNPTkFMRVMuIERlY2xhcm8gcXVlIGF1dG9yaXpvIHByZXZpYSB5IGRlIGZvcm1hIGluZm9ybWFkYSBlbCB0cmF0YW1pZW50byBkZSBtaXMgZGF0b3MgcGVyc29uYWxlcyBwb3IgcGFydGUgZGUgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8gIHBhcmEgZmluZXMgYWNhZMOpbWljb3MgeSBlbiBhcGxpY2FjacOzbiBkZSBjb252ZW5pb3MgY29uIHRlcmNlcm9zIG8gc2VydmljaW9zIGNvbmV4b3MgY29uIGFjdGl2aWRhZGVzIHByb3BpYXMgZGUgbGEgYWNhZGVtaWEsIGNvbiBlc3RyaWN0byBjdW1wbGltaWVudG8gZGUgbG9zIHByaW5jaXBpb3MgZGUgbGV5LiBQYXJhIGVsIGNvcnJlY3RvIGVqZXJjaWNpbyBkZSBtaSBkZXJlY2hvIGRlIGhhYmVhcyBkYXRhICBjdWVudG8gY29uIGxhIGN1ZW50YSBkZSBjb3JyZW8gaGFiZWFzZGF0YUB1cm9zYXJpby5lZHUuY28sIGRvbmRlIHByZXZpYSBpZGVudGlmaWNhY2nDs24gIHBvZHLDqSBzb2xpY2l0YXIgbGEgY29uc3VsdGEsIGNvcnJlY2Npw7NuIHkgc3VwcmVzacOzbiBkZSBtaXMgZGF0b3MuCg==

Publicaciones similares