Construcción de un modelo para diagnosticar y pronosticar el rendimiento académico de los estudiantes del proyecto curricular de ingeniería catastral de la Universidad Distrital Francisco José de Caldas, utilizando series de tiempo y machine learning.

Este documento presenta la investigación para la construcción de un modelo de diagnóstico y pronostico del rendimiento académico del proyecto curricular de Ingeniería Catastral utilizando las herramientas series de tiempo y Machine Learning. Se documenta un análisis de los resultados obtenidos en la...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2022
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/30365
Acceso en línea:
http://hdl.handle.net/11349/30365
Palabra clave:
Python
Montecarlo
Rendimiento académico
Series de tiempo
Maestría en Ingeniería Industrial - Tesis y disertaciones académicas
Rendimiento académico - Procesamiento de datos
Análisis de series de tiempo
Aprendizaje automático (Inteligencia artificial)
Python (Lenguaje de programación de computadores)
Python
Montecarlo
Time Series
Big data
Machine learning
Academic performance
Rights
License
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Description
Summary:Este documento presenta la investigación para la construcción de un modelo de diagnóstico y pronostico del rendimiento académico del proyecto curricular de Ingeniería Catastral utilizando las herramientas series de tiempo y Machine Learning. Se documenta un análisis de los resultados obtenidos en las investigaciones preliminares. La finalidad es conocer las características generales del alumno y las motivaciones para el abandono de la carrera de Ingeniería, de esta forma poder pronosticar qué procesos o actividades se pueden mejorar con el paso del tiempo para mejorar el rendimiento académico del estudiante. Consecuentemente, se evaluará y determinará el aporte de las series de tiempo y el aprendizaje automático para llegar a resultados estadísticos de datos con resultados fiables y efectivos para la toma de decisiones.