Predicción de cartelera académica en el Programa de Ingeniería Industrial mediante el algoritmo Recurrent Neural Networks

La correcta predicción de la cartelera académica del programa de Ingeniería Industrial tiene como objetivo designar el número adecuado de cupos para cada asignatura, esto impacta directamente en la cantidad de solicitudes conflicto horario reduciéndola y a su vez, representando para la coordinación académica menor inversión en tiempo y recursos para la solución de los conflictos de los estudiantes durante el comienzo de semestre. La predicción de cartelera académica se ve afectada por diferentes variables dinámicas por lo que se aplican dos algoritmos de predicción dinámica, estos son la red neuronal recurrente Long Short Term Memory y la regresión dinámica entrenando el modelo desde 201310 para predecir en 202010. Se realizó la predicción con ambos modelos siendo la red neuronal la de mejor desempeño de Mean Square Error respecto a la regresión dinámica.

• Autores: Restrepo Jiménez, Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/44853
• Acceso en línea: http://hdl.handle.net/1992/44853
• Palabra clave: Universidad de los Andes (Colombia). Facultad de Ingeniería. Departamento de Ingeniería Industrial; Teoría de la predicción; Redes neurales (Computadores); Materias de estudio (Educación Superior); Horarios; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf