Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia
92 páginas
- Autores:
-
Molina Agudelo, Santiago
Villegas Ramirez, Juanita
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/2693
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/2693
- Palabra clave:
- Exportaciones
Redes neuronales
Código Arancelario
Análisis de Componentes Principales (PCA)
Export
Arancelary code
K-Means Algorithm
Neural Networks
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2020
| id |
REIA2_d2d8cd34da77180c41c6bd3412252ffd |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/2693 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| title |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| spellingShingle |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia Exportaciones Redes neuronales Código Arancelario Análisis de Componentes Principales (PCA) Export Arancelary code K-Means Algorithm Neural Networks |
| title_short |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| title_full |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| title_fullStr |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| title_full_unstemmed |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| title_sort |
Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia |
| dc.creator.fl_str_mv |
Molina Agudelo, Santiago Villegas Ramirez, Juanita |
| dc.contributor.advisor.none.fl_str_mv |
Peña Palacio, Juan Alejandro |
| dc.contributor.author.none.fl_str_mv |
Molina Agudelo, Santiago Villegas Ramirez, Juanita |
| dc.subject.proposal.spa.fl_str_mv |
Exportaciones Redes neuronales |
| topic |
Exportaciones Redes neuronales Código Arancelario Análisis de Componentes Principales (PCA) Export Arancelary code K-Means Algorithm Neural Networks |
| dc.subject.proposal.eng.fl_str_mv |
Código Arancelario Análisis de Componentes Principales (PCA) Export Arancelary code K-Means Algorithm Neural Networks |
| description |
92 páginas |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2021-03-09T16:17:56Z |
| dc.date.available.none.fl_str_mv |
2021-03-09T16:17:56Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/2693 |
| dc.identifier.bibliographiccitation.none.fl_str_mv |
Molina Agudelo, S. y Villegas Ramirez, J. (2020). Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/2693 |
| url |
https://repository.eia.edu.co/handle/11190/2693 |
| identifier_str_mv |
Molina Agudelo, S. y Villegas Ramirez, J. (2020). Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/2693 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.eng.fl_str_mv |
Derechos Reservados - Universidad EIA, 2020 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2020 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad EIA |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Administrativa |
| dc.publisher.faculty.spa.fl_str_mv |
Escuela de Ciencias Económicas y Administrativas |
| dc.publisher.place.spa.fl_str_mv |
Envigado (Antioquia, Colombia) |
| dc.source.none.fl_str_mv |
Repositorio Institucional Universidad EIA |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/8ac5e6ef-369f-4924-bb6f-7a6c702ac479/download https://repository.eia.edu.co/bitstreams/a19f8a02-2c20-49c2-8446-de9c573be254/download https://repository.eia.edu.co/bitstreams/ea5bb9c4-c62a-4601-8769-8f1a0299aecb/download https://repository.eia.edu.co/bitstreams/c96b2820-e1c2-4167-b32b-b7a4810d5221/download |
| bitstream.checksum.fl_str_mv |
da9276a8e06ed571bb7fc7c7186cd8fe 8df350343857e2365326c00f0ec4884e 331b05d13de846d2fa58ed93e9f5c32c d8bbea0461b486097b2bdd05fb54f131 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814100905748856832 |
| spelling |
Peña Palacio, Juan Alejandrobbe0f32b96de7b8e8e1df454a17f7e75-1Molina Agudelo, Santiagoa7a6f7d72f50cb9dcb31bb2a5983443eVillegas Ramirez, Juanita0e6b63f4b25e8e7977cc093637a1bb6d2021-03-09T16:17:56Z2021-03-09T16:17:56Z2020https://repository.eia.edu.co/handle/11190/2693Molina Agudelo, S. y Villegas Ramirez, J. (2020). Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/269392 páginasRESUMEN: En un mundo globalizado, en el cual los mercados son cada vez más abiertos y con fácil acceso, es necesario que las empresas expandan sus horizontes y encuentren más clientes potenciales en otros lugares diferentes al lugar de origen, de esta manera las organizaciones adquieren valor y posicionamiento, volviéndose más competitivas frente a todas las empresas existentes del mismo sector tanto en territorio nacional como internacional. Para el análisis de exportaciones existen estudios de mercados manuales, los cuales son un proceso complejo y poco ágil, debido a la exhaustiva información que se necesita obtener. En este trabajo se desea desarrollar un modelo Deep Learning que estime el potencial exportador de productos no minero energéticos en Colombia. Por medio de recolección de información en diferentes bases de datos que brindan las instituciones internacionales y nacionales, como Procolombia, la Dirección de Impuestos y Aduanas Nacionales (DIAN), el Departamento Administrativo Nacional de Estadística (DANE) o el Banco Mundial , se realiza una selección de las características necesarias para encontrar la mejor afinidad entre la relación producto – mercado y por medio dicho modelo con ayuda del software R-Studio, automatizar el proceso de inteligencia de mercado. Por tal motivo, en este trabajo se logró encontrar mediante una plataforma matricial y el método de Redes Neuronales Artificiales (RNA) un modelo que ayuda a los profesionales en negocios internacionales o encargados de exportaciones de las empresas a realizar la inteligencia de mercados de una manera fácil y rápida, ya que puede pronosticar la relación producto - mercado óptima para la exportación de productos no minero-energéticos de Colombia.ABSTRACT: In a globalized world, in which markets are increasingly open and with easy access, it is necessary for companies to expand their horizons and find more potential customers in other places different from the place of origin, in this way organizations acquire value and positioning, becoming more competitive against all existing companies in the same sector both nationally and internationally. For the analysis of exports there are manual market studies, which are complicated and slow, due to the exhaustive information that needs to be obtained. In this work we want to develop a Deep Learning model to estimate the export potential of non-mining energy products in Colombia. Through the collection of information in different databases provided by international and national institutions, such as Procolombia, DIAN (Dirección de Impuestos y Aduanas Nacionales), DANE (Departamento Administrativo Nacional de Estadistica) or the World Bank, a selection of the necessary characteristics is made to find the best affinity between the product - market relationship and through this model with the help of the R-Studio software, automate the market intelligence process. For this reason, in this work it was possible to find, through a matrix platform and the Artificial Neural Networks (ANN) method, a model that helps professionals in international businesses or those responsible for exports of companies to perform market intelligence in an easy and fast way, so in this maner you can predict the optimal product-market relationship for the export of non-mining-energy products from Colombia.PregradoIngeniero(a) Administrativo(a)application/pdfspaUniversidad EIAIngeniería AdministrativaEscuela de Ciencias Económicas y AdministrativasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2020https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Repositorio Institucional Universidad EIAModelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en ColombiaTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85ExportacionesRedes neuronalesCódigo ArancelarioAnálisis de Componentes Principales (PCA)ExportArancelary codeK-Means AlgorithmNeural NetworksPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/8ac5e6ef-369f-4924-bb6f-7a6c702ac479/downloadda9276a8e06ed571bb7fc7c7186cd8feMD52ORIGINALMolinaSantiago_2020_ModeloDeepLearning.pdfMolinaSantiago_2020_ModeloDeepLearning.pdfTrabajo de gradoapplication/pdf2601202https://repository.eia.edu.co/bitstreams/a19f8a02-2c20-49c2-8446-de9c573be254/download8df350343857e2365326c00f0ec4884eMD51TEXTMolinaSantiago_2020_ModeloDeepLearning.pdf.txtMolinaSantiago_2020_ModeloDeepLearning.pdf.txtExtracted texttext/plain190105https://repository.eia.edu.co/bitstreams/ea5bb9c4-c62a-4601-8769-8f1a0299aecb/download331b05d13de846d2fa58ed93e9f5c32cMD53THUMBNAILMolinaSantiago_2020_ModeloDeepLearning.pdf.jpgMolinaSantiago_2020_ModeloDeepLearning.pdf.jpgGenerated Thumbnailimage/jpeg8852https://repository.eia.edu.co/bitstreams/c96b2820-e1c2-4167-b32b-b7a4810d5221/downloadd8bbea0461b486097b2bdd05fb54f131MD5411190/2693oai:repository.eia.edu.co:11190/26932023-07-25 17:11:50.969https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad EIA, 2020open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.comICAgICAgICAgICAgICAgICAgICAgICAgPGNlbnRlcj5BVklTTyBERSBQUklWQUNJREFEPC9jZW50ZXI+CgpMYSBFc2N1ZWxhIGRlIEluZ2VuaWVyw61hIGRlIEFudGlvcXVpYSBhIHRyYXbDqXMgZGUgZXN0ZSBhdmlzbywgaW5mb3JtYSBhIGxvcyB0aXR1bGFyZXMgZGUgZGF0b3MgcGVyc29uYWxlcyBxdWUgc2UgZW5jdWVudHJlbiBlbiBzdXMgYmFzZXMgZGUgZGF0b3MgcXVlIGxhcyBwb2zDrXRpY2FzIGRlIHRyYXRhbWllbnRvIGRlIGRhdG9zIHBlcnNvbmFsZXMgbGEgRUlBIHNvbjoKCkFsIHRpdHVsYXIgZGUgbG9zIGRhdG9zIHBlcnNvbmFsZXMgZW4gdHJhdGFtaWVudG8sIHNlIGxlIHJlc3BldGFyw6FuIHN1cyBkZXJlY2hvcyBhIGNvbm9jZXIgw61udGVncmFtZW50ZSB5IGRlIGZvcm1hIGdyYXR1aXRhIHN1cyBkYXRvcyBwZXJzb25hbGVzLCBhc8OtIGNvbW8gYSBhY3R1YWxpemFybG9zIHkgcmVjdGlmaWNhcmxvcyBmcmVudGUgYSBsYSBFSUEgbyBsb3MgZW5jYXJnYWRvcyBkZWwgdHJhdGFtaWVudG8uCgpBbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwZXJzb25hbGVzIGVuIHRyYXRhbWllbnRvLCBwb2Ryw6EgY29ub2NlciBlbCB1c28gcXVlIHNlIGxlIGhhIGRhZG8gYSBzdXMgZGF0b3MgcGVyc29uYWxlcywgcHJldmlhIHNvbGljaXR1ZC4KCkVsIHRpdHVsYXIgZGUgbG9zIGRhdG9zIHBlcnNvbmFsZXMgZW4gdHJhdGFtaWVudG8sIHBvZHLDoSBzb2xpY2l0YXIgcHJ1ZWJhIGRlIGxhIGF1dG9yaXphY2nDs24gb3RvcmdhZGEgYSBsYSBFSUEuIHNhbHZvIGN1YW5kbyBleHByZXNhbWVudGUgc2UgZXhjZXB0w7plIGNvbW8gcmVxdWlzaXRvIHBhcmEgZWwgdHJhdGFtaWVudG8sIGRlIGNvbmZvcm1pZGFkIGNvbiBsYSBsZXkuCgpFbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwdWVkZSByZXZvY2FyIGxhIGF1dG9yaXphY2nDs24geSBzb2xpY2l0YXIgbGEgc3VwcmVzacOzbiBkZWwgZGF0byBjdWFuZG8gZW4gZWwgdHJhdGFtaWVudG8gbm8gc2UgcmVzcGV0ZW4gbG9zIHByaW5jaXBpb3MsIGRlcmVjaG9zIHkgZ2FyYW50w61hcyBjb25zdGl0dWNpb25hbGVzIHkgbGVnYWxlcy4gTGEgcmV2b2NhdG9yaWEgeSBzdXByZXNpw7NuIHByb2NlZGVyw6EgY3VhbmRvIGxhIFN1cGVyaW50ZW5kZW5jaWEgZGUgSW5kdXN0cmlhIHkgQ29tZXJjaW8gKFNJQykgaGF5YSBkZXRlcm1pbmFkbyBxdWUgZW4gZWwgdHJhdGFtaWVudG8sIGxhIEVTQ1VFTEEgREUgSU5HRU5JRVLDjUEgREUgQU5USU9RVUlBIGhhIGluY3VycmlkbyBlbiBjb25kdWN0YXMgY29udHJhcmlhcyBhIGVzdGEgTGV5IHkgYSBsYSBDb25zdGl0dWNpw7NuIFBvbMOtdGljYS4KClBhcmEgZWZlY3RvcyBkZSBlamVyY2VyIHN1cyBkZXJlY2hvcyBkZSBjb25vY2VyLCBhY3R1YWxpemFyLCByZWN0aWZpY2FyIHkgc3VwcmltaXIgaW5mb3JtYWNpw7NuLCByZXZvY2FyIGxhIGF1dG9yaXphY2nDs24sIGVudHJlIG90cm9zOyBlbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwb2Ryw6EgYWN1ZGlyIGEgbGEgRVNDVUVMQSBERSBJTkdFTklFUsONQSBERSBBTlRJT1FVSUEsIGNvbW8gcmVzcG9uc2FibGUgZGVsIHRyYXRhbWllbnRvIGRlIGRhdG9zIGFsIMOhcmVhIGRlIGNvbXVuaWNhY2lvbmVzLCBtZWRpYW50ZSBjb3JyZW8gZWxlY3Ryw7NuaWNvIGEgd2VibWFzdGVyQGVpYS5lZHUuY28gLgoKRW4gY2FzbyBkZSBpbmZyYWNjaW9uZXMgYSBsYSBsZXkgMTU4MSBkZSAyMDEyLCBlbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwb2Ryw6EgcHJlc2VudGFyIHF1ZWphIGFudGUgbGEgU3VwZXJpbnRlbmRlbmNpYSBkZSBJbmR1c3RyaWEgeSBDb21lcmNpbyAoU0lDKS4KCkVsIHRpdHVsYXIgc2Vyw6EgaW5mb3JtYWRvIGFjZXJjYSBkZSBsYSBubyBvYmxpZ2F0b3JpZWRhZCBkZSBsYXMgcmVzcHVlc3RhcyBhIGxhcyBwcmVndW50YXMgcXVlIGxlIHNlYW4gaGVjaGFzLCBjdWFuZG8gw6lzdGFzIHZlcnNlbiBzb2JyZSBkYXRvcyBzZW5zaWJsZXMsIHRhbGVzIGNvbW8gb3JpZ2VuIHJhY2lhbCBvIMOpdG5pY28sIG9yaWVudGFjacOzbiBwb2zDrXRpY2EsIGNvbnZpY2Npb25lcyByZWxpZ2lvc2FzICwgcGVydGVuZW5jaWEgYSBzaW5kaWNhdG9zLCBvcmdhbml6YWNpb25lcyBzb2NpYWxlcyBkZSBkZXJlY2hvcyBodW1hbm9zLCBkYXRvcyByZWxhdGl2b3MgYSBsYSBzYWx1ZCwgYSBsYSB2aWRhIHNleHVhbCB5IGRhdG9zIGJpb23DqXRyaWNvcyBvIHNvYnJlIGxvcyBkYXRvcyBkZSBsb3MgbmnDsW9zLCBuacOxYXMgeSBhZG9sZXNjZW50ZXMuCgpFbCB0aXR1bGFyIHBvZHLDoSBjb25vY2VyIG51ZXN0cmEgcG9sw610aWNhIGRlIHRyYXRhbWllbnRvLCBsb3MgZGF0b3Mgc3VzdGFuY2lhbGVzIHF1ZSBzZSBsbGVndWVuIGEgcHJvZHVjaXIgZW4gZWwgcHJlc2VudGUgYXZpc28gbyBlbiBsYXMgcG9sw610aWNhcyBkZSB0cmF0YW1pZW50bywgc2Vyw6FuIHB1YmxpY2FkYXMgZW4gbnVlc3RybyBzaXRpbyB3ZWIsIG1lZGlvIGVsZWN0csOzbmljbyBoYWJpdHVhbCBkZSBjb250YWN0byBjb24gbG9zIHRpdHVsYXJlcy4KCg== |