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.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