Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies
En el presente trabajo se hablará de la propuesta de un proceso probabilístico haciendo uso de la herramienta Amazon Web Services AML que permita identificar los clientes potenciales en la empresa Dell Technologies por medio de la información proveniente de Salesforce CRM de la compañía. Para ello,...
- Autores:
-
Rincon, Nestor Fabio
Gonzalez, Daniela
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/38562
- Acceso en línea:
- http://hdl.handle.net/10654/38562
- Palabra clave:
- INTELIGENCIA ARTIFICIAL
ALGORITMOS (COMPUTADORES)
Machine learning
Artificial intelligence
Algorithm
Machine learnign
Inteligencia artificial
Algortimo
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIMILTAR2_b42a249452cb5f584e5aeef8f4877d64 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/38562 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| dc.title.translated.spa.fl_str_mv |
Run a machine learning model to identify potential customers based on a probabilistic process for the company Dell Technologies |
| title |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| spellingShingle |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies INTELIGENCIA ARTIFICIAL ALGORITMOS (COMPUTADORES) Machine learning Artificial intelligence Algorithm Machine learnign Inteligencia artificial Algortimo |
| title_short |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| title_full |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| title_fullStr |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| title_full_unstemmed |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| title_sort |
Ejecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologies |
| dc.creator.fl_str_mv |
Rincon, Nestor Fabio Gonzalez, Daniela |
| dc.contributor.advisor.none.fl_str_mv |
Sanchez, Pedro |
| dc.contributor.author.none.fl_str_mv |
Rincon, Nestor Fabio Gonzalez, Daniela |
| dc.subject.lemb.spa.fl_str_mv |
INTELIGENCIA ARTIFICIAL ALGORITMOS (COMPUTADORES) |
| topic |
INTELIGENCIA ARTIFICIAL ALGORITMOS (COMPUTADORES) Machine learning Artificial intelligence Algorithm Machine learnign Inteligencia artificial Algortimo |
| dc.subject.keywords.spa.fl_str_mv |
Machine learning Artificial intelligence Algorithm |
| dc.subject.proposal.spa.fl_str_mv |
Machine learnign Inteligencia artificial Algortimo |
| description |
En el presente trabajo se hablará de la propuesta de un proceso probabilístico haciendo uso de la herramienta Amazon Web Services AML que permita identificar los clientes potenciales en la empresa Dell Technologies por medio de la información proveniente de Salesforce CRM de la compañía. Para ello, se describirá el proceso paso a paso de cómo se realizó el desarrollo del algoritmo incluyendo la teoría necesaria para entenderlo. Seguidamente, se llevarán a cabo actividades tales como la definición del estado actual del proceso de venta, el análisis para la selección de variables teniendo en cuenta factores como el crecimiento del mercado, la afectación del sector tecnológico a partir de la pandemia y los esfuerzos gubernamentales para fortalecer la infraestructura tecnológica del país, el montaje de datos en el algoritmo, resultados y análisis de históricos de venta de los clientes resultantes del algoritmo propuesto. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-08-27T21:56:32Z |
| dc.date.available.none.fl_str_mv |
2021-08-27T21:56:32Z |
| dc.date.issued.none.fl_str_mv |
2021-03-09 |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.*.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/38562 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Militar Nueva Granada |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Militar Nueva Granada |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unimilitar.edu.co |
| url |
http://hdl.handle.net/10654/38562 |
| identifier_str_mv |
instname:Universidad Militar Nueva Granada reponame:Repositorio Institucional Universidad Militar Nueva Granada repourl:https://repository.unimilitar.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Alvarado, A. R. (JUN de 2019). Machine Learning para Todos. Puno, Perú. Obtenido de https://www.researchgate.net/publication/338518406_Machine_Learning_para_Todos Amazon Web Services, I. (2020). Amazon Machine Learning Guía del desarrollador. Analysis, C. P. (9 de Octubre de 2020). Canalys . Obtenido de https://www.canalys.com/newsroom/canalys-pc-market-shipments-grow-a-stellar-13-in-q3-2020 Armenta, M. H. (04 de ABRIL de 2020). FORBES . Obtenido de https://forbes.co/2020/04/17/tecnologia/que-han-aportado-las-firmas-tecnologicas-contra-la-pandemia-del-coronavirus/ Arrigui, O. J., & Sepúlveda, D. P. (2019). Aplicación de un Modelo de Machine Learning para identificar la probabilidad de compra de las. Pontificia Universidad Javeriana. Bagnato, J. I. (23 de Nov de 2017). Aprende de machine learnign. Obtenido de Regresión Logística con Python paso a paso: https://www.aprendemachinelearning.com/ Belda, C. F., & Urquía Grande, E. (2009). LOS MODELOS DE SIMULACIÓN: UNA HERRAMIENTA MULTIDISCIPLINAR DE INVESTIGACIÓN. Benítez, R., Escudero, G., Kanaan, S., & Rodó, D. (2014). Inteligencia artificial avanzada . Barcelona: Editorial UOC. Bermúdez, C. A. (s.f.). Un sistema mediador para la integración de datos estructurados y semi-estructurados. Cafaro, R. (2019). Machine Learning: Una Herramienta Estratégica para Negocios Inteligentes. REVISTA DE INGENIRÍA E INNOVACIÓN . Catellanos, Y. S., Sánchez, S. E., & Santana, A. M. (2014). Trabajo en casa y calidad de vida: Una aproximación conceptual. Bogotá: Universidad El Bosque. Certus. (21 de ABR de 2020). Administración de Sistemas para Transformación Digital . Obtenido de CERTUS: https://www.certus.edu.pe/blog/inteligencia-artificial-empresas/ Coelho, F. F. (1 de JUN de 2020). Digital 55. Obtenido de Qué es Machine Learning: casos de éxito en empresas: https://www.digital55.com/innovacion/que-es-machine-learning-casos-exito-empresas/ Dinero. (Septiembre de 2020). Dinero . Obtenido de https://www.dinero.com/tecnologia/articulo/que-tanto-invertiran-las-empresas-en-tecnologia-tras-la-pandemia/303008 Feldman, S. (10 de Mayo de 2019). Artificial Intelligence (AI) worldwide. Obtenido de Statista Content & Information Design: https://www.statista.com/chart/17966/worldwide-artificial-intelligence-funding/ Fernández, Y. O., Valenzuela, L. A., & Aburto, L. L. (2019). Inteligencia artificial y sus implicaciones en la educación superior. Lima. González, A. (2019). Conceptos básicos de Machine Learning. Obtenido de https://cleverdata.io/conceptos-basicos-machine-learning/ Gamboa, H. A. (2014). INTELIGENCIA ARTIFICIAL: Pincipios y aplicaiones. Quito. Google. (2020). Google Maps. Obtenido de https://www.google.com/maps/place/Dell+Colombia+Inc./@4.6920036,-74.036205,17z/data=!3m1!4b1!4m5!3m4!1s0x8e3f9aa6e9f24daf:0xd73a20e638e9dbb4!8m2!3d4.6919983!4d-74.0340163?hl=es HERNANDEZ, F. (28 de MARZO de 2020). EL ESPECTADOR. Obtenido de https://www.elespectador.com/mtalks/la-transformacion-digital-un-reto-para-las- v Informador, E. (17 de Junio de 2020). MinTIC. Obtenido de https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/MinTIC-en-los-Medios/145416:TIC-con-calidad-para-afrontar-la-pandemia ITC, V. (s.f.). INTELIGENCIA ARTIFICIAL: PASADO, PRESNETE Y FUTURO. Obtenido de https://www.ucavila.es/images/files/GuiaAcademica/18-19/titPropios/IA/Informe_IA.pdf Lara, L. H. (2004). LA REALIDAD AUMENTADA: UNA TECNOLOGÍA EN ESPERA DE USUARIOS. DGSCA-UNAM. Martínez, C. I. (28 de ABRIL de 2019). Portafolio. Obtenido de Machine learning y las ventajas para los negocios: https://www.portafolio.co/negocios/machine-learning-y-las-ventajas-para-los-528996 Méndez, P. A. (Enero de 2020). Análisis del uso de algoritmos de Minería de Datos y Machine Learning para Marketing Digital. Obtenido de file:///C:/Users/daniela_gonzalez/Downloads/Analisis_del_uso_de_algoritmos_de_Mineri.pdf |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.accessrights.*.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.creativecommons.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 Attribution-NonCommercial-NoDerivatives 4.0 International Acceso abierto |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
applicaction/pdf |
| dc.coverage.sede.spa.fl_str_mv |
Calle 100 |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Industrial |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/38562/1/GonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf http://repository.unimilitar.edu.co/bitstream/10654/38562/3/Carta%20autorizaci%c3%b3n.pdf http://repository.unimilitar.edu.co/bitstream/10654/38562/4/license.txt http://repository.unimilitar.edu.co/bitstream/10654/38562/5/GonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf.jpg http://repository.unimilitar.edu.co/bitstream/10654/38562/6/Carta%20autorizaci%c3%b3n.pdf.jpg |
| bitstream.checksum.fl_str_mv |
08231bdcdcf00e6a1d7fe8a0ef544812 f7f791e83244270e7e8ac42bd4a28f24 a609d7e369577f685ce98c66b903b91b 93b47b39923c3b4b96d83932becc7ca2 90b955cd67e6f33584f3d626f5472eb6 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1808417812611334144 |
| spelling |
Sanchez, PedroRincon, Nestor FabioGonzalez, DanielaIngeniero Industrial2021-08-27T21:56:32Z2021-08-27T21:56:32Z2021-03-09http://hdl.handle.net/10654/38562instname:Universidad Militar Nueva Granadareponame:Repositorio Institucional Universidad Militar Nueva Granadarepourl:https://repository.unimilitar.edu.coEn el presente trabajo se hablará de la propuesta de un proceso probabilístico haciendo uso de la herramienta Amazon Web Services AML que permita identificar los clientes potenciales en la empresa Dell Technologies por medio de la información proveniente de Salesforce CRM de la compañía. Para ello, se describirá el proceso paso a paso de cómo se realizó el desarrollo del algoritmo incluyendo la teoría necesaria para entenderlo. Seguidamente, se llevarán a cabo actividades tales como la definición del estado actual del proceso de venta, el análisis para la selección de variables teniendo en cuenta factores como el crecimiento del mercado, la afectación del sector tecnológico a partir de la pandemia y los esfuerzos gubernamentales para fortalecer la infraestructura tecnológica del país, el montaje de datos en el algoritmo, resultados y análisis de históricos de venta de los clientes resultantes del algoritmo propuesto.1. PROBLEMA .................................................................................................................... 6 1.1. IDENTIFICACIÓN .......................................................................................................... 6 1.2. DESCRIPCIÓN .............................................................................................................. 11 1.3. PLANTEAMIENTO ...................................................................................................... 12 1.4. DELIMITACIÓN ........................................................................................................... 12 1.4.1. CONCEPTUAL ............................................................................................................. 12 1.4.2. GEOGRÁFICA .............................................................................................................. 13 2. OBJETIVOS................................................................................................................... 14 2.1. OBJETIVO GENERAL ................................................................................................. 14 2.2. OBJETIVOS ESPECÍFICOS ......................................................................................... 14 3. ANTECEDENTES ......................................................................................................... 14 3.1. INTERNOS .................................................................................................................... 14 3.2. EXTERNOS ................................................................................................................... 15 4. JUSTIFICACIÓN........................................................................................................... 16 5. MARCO REFERENCIAL ............................................................................................. 18 5.1. MARCO TEÓRICO ....................................................................................................... 18 5.2. MARCO CONCEPTUAL .............................................................................................. 21 6. METODOLOGÍA .......................................................................................................... 23 7. RESULTADOS ESPERADOS ...................................................................................... 25 8. RECURSOS ................................................................................................................... 25 9. CRONOGRAMA ........................................................................................................... 27 10. SELECCIÓN DE LA FUENTE DE INFORMACIÓN ................................................. 28 11. SITUACIÓN ACTUAL ................................................................................................. 32 3 Dell Customer Communication - Confidential 12. SELECCIÓN DE VARIABLES .................................................................................... 37 13. ARTICULACIÓN DE LA INFORMACIÓN EN LA HERRAMIENTA ..................... 39 14. ANÁLISIS DE LOS RESULTADOS ............................................................................ 47 15. CONCLUSIONES Y RECOMENDACIONES ............................................................. 55 16. BIBLIOGRAFÍA ............................................................................................................ 57In this paper, we will talk about the proposal of a probabilistic process using the Amazon Web Services AML tool that allows identifying potential customers in the Dell Technologies company through information from the company's Salesforce CRM. To do this, the step-by-step process of how the algorithm was developed will be described, including the necessary theory to understand it. Then they will carry out activities such as the definition of the current status of the sales process, the analysis for the selection of variables taking into account factors such as the growth of the market, the impact on the technology sector after the pandemic and government efforts to strengthen the technological infrastructure of the country, assembly algorithm data, results and analysis of historical customer sales resulting from the proposed algorithm.Pregradoapplicaction/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 InternationalAcceso abiertoEjecutar un modelo de machine learning para identificar los clientes potenciales basados en un proceso probabilístico para la empresa dell technologiesRun a machine learning model to identify potential customers based on a probabilistic process for the company Dell TechnologiesINTELIGENCIA ARTIFICIALALGORITMOS (COMPUTADORES)Machine learningArtificial intelligenceAlgorithmMachine learnignInteligencia artificialAlgortimoTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fIngeniería IndustrialFacultad de IngenieríaUniversidad Militar Nueva GranadaAlvarado, A. R. (JUN de 2019). Machine Learning para Todos. Puno, Perú. Obtenido de https://www.researchgate.net/publication/338518406_Machine_Learning_para_TodosAmazon Web Services, I. (2020). Amazon Machine Learning Guía del desarrollador.Analysis, C. P. (9 de Octubre de 2020). Canalys . Obtenido de https://www.canalys.com/newsroom/canalys-pc-market-shipments-grow-a-stellar-13-in-q3-2020Armenta, M. H. (04 de ABRIL de 2020). FORBES . Obtenido de https://forbes.co/2020/04/17/tecnologia/que-han-aportado-las-firmas-tecnologicas-contra-la-pandemia-del-coronavirus/Arrigui, O. J., & Sepúlveda, D. P. (2019). Aplicación de un Modelo de Machine Learning para identificar la probabilidad de compra de las. Pontificia Universidad Javeriana.Bagnato, J. I. (23 de Nov de 2017). Aprende de machine learnign. Obtenido de Regresión Logística con Python paso a paso: https://www.aprendemachinelearning.com/Belda, C. F., & Urquía Grande, E. (2009). LOS MODELOS DE SIMULACIÓN: UNA HERRAMIENTA MULTIDISCIPLINAR DE INVESTIGACIÓN.Benítez, R., Escudero, G., Kanaan, S., & Rodó, D. (2014). Inteligencia artificial avanzada . Barcelona: Editorial UOC.Bermúdez, C. A. (s.f.). Un sistema mediador para la integración de datos estructurados y semi-estructurados.Cafaro, R. (2019). Machine Learning: Una Herramienta Estratégica para Negocios Inteligentes. REVISTA DE INGENIRÍA E INNOVACIÓN .Catellanos, Y. S., Sánchez, S. E., & Santana, A. M. (2014). Trabajo en casa y calidad de vida: Una aproximación conceptual. Bogotá: Universidad El Bosque.Certus. (21 de ABR de 2020). Administración de Sistemas para Transformación Digital . Obtenido de CERTUS: https://www.certus.edu.pe/blog/inteligencia-artificial-empresas/Coelho, F. F. (1 de JUN de 2020). Digital 55. Obtenido de Qué es Machine Learning: casos de éxito en empresas: https://www.digital55.com/innovacion/que-es-machine-learning-casos-exito-empresas/Dinero. (Septiembre de 2020). Dinero . Obtenido de https://www.dinero.com/tecnologia/articulo/que-tanto-invertiran-las-empresas-en-tecnologia-tras-la-pandemia/303008Feldman, S. (10 de Mayo de 2019). Artificial Intelligence (AI) worldwide. Obtenido de Statista Content & Information Design: https://www.statista.com/chart/17966/worldwide-artificial-intelligence-funding/Fernández, Y. O., Valenzuela, L. A., & Aburto, L. L. (2019). Inteligencia artificial y sus implicaciones en la educación superior. Lima.González, A. (2019). Conceptos básicos de Machine Learning. Obtenido de https://cleverdata.io/conceptos-basicos-machine-learning/Gamboa, H. A. (2014). INTELIGENCIA ARTIFICIAL: Pincipios y aplicaiones. Quito.Google. (2020). Google Maps. Obtenido de https://www.google.com/maps/place/Dell+Colombia+Inc./@4.6920036,-74.036205,17z/data=!3m1!4b1!4m5!3m4!1s0x8e3f9aa6e9f24daf:0xd73a20e638e9dbb4!8m2!3d4.6919983!4d-74.0340163?hl=esHERNANDEZ, F. (28 de MARZO de 2020). EL ESPECTADOR. Obtenido de https://www.elespectador.com/mtalks/la-transformacion-digital-un-reto-para-las-vInformador, E. (17 de Junio de 2020). MinTIC. Obtenido de https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/MinTIC-en-los-Medios/145416:TIC-con-calidad-para-afrontar-la-pandemiaITC, V. (s.f.). INTELIGENCIA ARTIFICIAL: PASADO, PRESNETE Y FUTURO. Obtenido de https://www.ucavila.es/images/files/GuiaAcademica/18-19/titPropios/IA/Informe_IA.pdfLara, L. H. (2004). LA REALIDAD AUMENTADA: UNA TECNOLOGÍA EN ESPERA DE USUARIOS. DGSCA-UNAM.Martínez, C. I. (28 de ABRIL de 2019). Portafolio. Obtenido de Machine learning y las ventajas para los negocios: https://www.portafolio.co/negocios/machine-learning-y-las-ventajas-para-los-528996Méndez, P. A. (Enero de 2020). Análisis del uso de algoritmos de Minería de Datos y Machine Learning para Marketing Digital. Obtenido de file:///C:/Users/daniela_gonzalez/Downloads/Analisis_del_uso_de_algoritmos_de_Mineri.pdfCalle 100ORIGINALGonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdfGonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdfTrabajo de gradoapplication/pdf979730http://repository.unimilitar.edu.co/bitstream/10654/38562/1/GonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf08231bdcdcf00e6a1d7fe8a0ef544812MD51Carta autorización.pdfCarta autorización.pdfCarta de autorizaciónapplication/pdf121088http://repository.unimilitar.edu.co/bitstream/10654/38562/3/Carta%20autorizaci%c3%b3n.pdff7f791e83244270e7e8ac42bd4a28f24MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-83420http://repository.unimilitar.edu.co/bitstream/10654/38562/4/license.txta609d7e369577f685ce98c66b903b91bMD54THUMBNAILGonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf.jpgGonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf.jpgIM Thumbnailimage/jpeg5562http://repository.unimilitar.edu.co/bitstream/10654/38562/5/GonzalezGordilloDanielaRinconManjaresNestor2021.pdf.pdf.jpg93b47b39923c3b4b96d83932becc7ca2MD55Carta autorización.pdf.jpgCarta autorización.pdf.jpgIM Thumbnailimage/jpeg5552http://repository.unimilitar.edu.co/bitstream/10654/38562/6/Carta%20autorizaci%c3%b3n.pdf.jpg90b955cd67e6f33584f3d626f5472eb6MD5610654/38562oai:repository.unimilitar.edu.co:10654/385622021-08-30 01:04:13.728Repositorio Institucional UMNGbibliodigital@unimilitar.edu.coRWwgYXV0b3IgZGUgbGEgb2JyYSAodGVzaXMsIG1vbm9ncmFmw61hLCB0cmFiYWpvIGRlIGdyYWRvIG8gY3VhbHF1aWVyIG90cm8gZG9jdW1lbnRvCmNvbiBjYXLDoWN0ZXIgYWNhZMOpbWljbyksIGFjdHVhbmRvIGVuIG5vbWJyZSBwcm9waW8sIGhhY2UgZW50cmVnYSBkZWwgZWplbXBsYXIgcmVzcGVjdGl2bwp5IGRlIHN1cyBhbmV4b3MgZW4gZm9ybWF0byBkaWdpdGFsIG8gZWxlY3Ryw7NuaWNvLgoKRUwgRVNUVURJQU5URSAtIEFVVE9SLCBtYW5pZmllc3RhIHF1ZSBsYSBvYnJhIG9iamV0byBkZSBsYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuCmVzIG9yaWdpbmFsIHkgbGEgcmVhbGl6w7Mgc2luIHZpb2xhciBvIHVzdXJwYXIgZGVyZWNob3MgZGUgYXV0b3IgZGUgdGVyY2Vyb3MsIHBvcgpsbyB0YW50bywgbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4KCkVuIGNhc28gZGUgcHJlc2VudGFyc2UgY3VhbHF1aWVyIHJlY2xhbWFjacOzbiBvIGFjY2nDs24gcG9yIHBhcnRlIGRlIHVuIHRlcmNlcm8gZW4KY3VhbnRvIGEgbG9zIGRlcmVjaG9zIGRlIGF1dG9yIHNvYnJlIGxhIG9icmEgZW4gY3Vlc3Rpw7NuLCBFTCBFU1RVRElBTlRFIC0gQVVUT1IsCmFzdW1pcsOhIHRvZGEgbGEgcmVzcG9uc2FiaWxpZGFkLCB5IHNhbGRyw6EgZW4gZGVmZW5zYSBkZSBsb3MgZGVyZWNob3MgYXF1w60gYXV0b3JpemFkb3M7CnBhcmEgdG9kb3MgbG9zIGVmZWN0b3MgbGEgdW5pdmVyc2lkYWQgYWN0w7phIGNvbW8gdW4gdGVyY2VybyBkZSBidWVuYSBmZS4KCkFkZW3DoXMsICJMQSBVTklWRVJTSURBRCBNSUxJVEFSIE5VRVZBIEdSQU5BREEgY29tbyBpbnN0aXR1Y2nDs24gcXVlIGFsbWFjZW5hLCB5CnJlY29sZWN0YSBkYXRvcyBwZXJzb25hbGVzLCBhdGVuZGllbmRvIGxvIHByZWNlcHR1YWRvIGVuIGxhIGxleSAxNTgxIGRlIDIwMTIgeSBlbApEZWNyZXRvIDEzNzcgZGUgMjAxMywgcXVlIGRlc2Fycm9sbGFuIGVsIHByaW5jaXBpbyBjb25zdGl0dWNpb25hbCBxdWUgdGllbmVuIHRvZGFzCmxhcyBwZXJzb25hcyBhIGNvbm9jZXIsIGFjdHVhbGl6YXIgeSByZWN0aWZpY2FyIHRvZG8gdGlwbyBkZSBpbmZvcm1hY2nDs24gcmVjb2dpZGEKbywgcXVlIGhheWEgc2lkbyBvYmpldG8gZGUgdHJhdGFtaWVudG8gZGUgZGF0b3MgcGVyc29uYWxlcyBlbiBiYW5jb3MgbyBiYXNlcyBkZQpkYXRvcyB5IGVuIGdlbmVyYWwgZW4gYXJjaGl2b3MgZGUgZW50aWRhZGVzIHDDumJsaWNhcyBvIHByaXZhZGFzLCByZXF1aWVyZSBvYnRlbmVyCnN1IGF1dG9yaXphY2nDs24sIHBhcmEgcXVlLCBkZSBtYW5lcmEgbGlicmUsIHByZXZpYSwgZXhwcmVzYSwgdm9sdW50YXJpYSwgeQpkZWJpZGFtZW50ZSBpbmZvcm1hZGEsIHBlcm1pdGEgYSB0b2RhcyBudWVzdHJhcyBkZXBlbmRlbmNpYXMgYWNhZMOpbWljYXMgeQphZG1pbmlzdHJhdGl2YXMsIHJlY29sZWN0YXIsIHJlY2F1ZGFyLCBhbG1hY2VuYXIsIHVzYXIsIGNpcmN1bGFyLCBzdXByaW1pciwgcHJvY2VzYXIsCmNvbXBpbGFyLCBpbnRlcmNhbWJpYXIsIGRhciB0cmF0YW1pZW50bywgYWN0dWFsaXphciB5IGRpc3BvbmVyIGRlIGxvcyBkYXRvcyBxdWUKaGFuIHNpZG8gc3VtaW5pc3RyYWRvcyB5IHF1ZSBzZSBoYW4gaW5jb3Jwb3JhZG8gZW4gbnVlc3RyYXMgYmFzZXMgbyBiYW5jb3MgZGUKZGF0b3MsIG8gZW4gcmVwb3NpdG9yaW9zIGVsZWN0csOzbmljb3MgZGUgdG9kbyB0aXBvIGNvbiBxdWUgY3VlbnRhIGxhIFVuaXZlcnNpZGFkLgoKRXN0YSBpbmZvcm1hY2nDs24gZXMgeSBzZXLDoSB1dGlsaXphZGEgZW4gZWwgZGVzYXJyb2xsbyBkZSBsYXMgZnVuY2lvbmVzIHByb3BpYXMgZGUKbGEgVW5pdmVyc2lkYWQgZW4gc3UgY29uZGljacOzbiBkZSBpbnN0aXR1Y2nDs24gZGUgZWR1Y2FjacOzbiBzdXBlcmlvciwgZGUgZm9ybWEKZGlyZWN0YSBvIGEgdHJhdsOpcyBkZSB0ZXJjZXJvcyIuCgpTaSBzdSBkb2N1bWVudG8gZXMgZGUgYWNjZXNvIHJlc3RyaW5naWRvICwgc3UgdHJhYmFqbyBzZSBkZXBvc2l0YXLDoSBlbiBlbApSZXBvc2l0b3JpbyBVTU5HIMO6bmljYW1lbnRlIGNvbiBwcm9ww7NzaXRvcyBkZSBwcmVzZXJ2YWNpw7NuIGRvY3VtZW50YWwgeSBtZW1vcmlhCmluc3RpdHVjaW9uYWwsIGVudGVuZGllbmRvIHF1ZSwgc2Vyw6EgY29uc3VsdGFkbyBkZSBmb3JtYSBjb250cm9sYWRhIHNvbGFtZW50ZSBwb3IKbGEgY29tdW5pZGFkIE5lb2dyYW5hZGluYS4KClNpIHN1IGRvY3VtZW50byBlcyBkZSBhY2Nlc28gYWJpZXJ0bywgcGFyYSBwZXJtaXRpciBhbCBSZXBvc2l0b3JpbyBVTU5HIHJlcHJvZHVjaXIsCnRyYWR1Y2lyIHkgZGlzdHJpYnVpciBzdSBlbnbDrW8gYSB0cmF2w6lzIGRlbCBtdW5kbywgbmVjZXNpdGFtb3Mgc3UgY29uZm9ybWlkYWQgZW4KbG9zIHNpZ3VpZW50ZXMgdMOpcm1pbm9zOgoKWSBhdXRvcml6YSBhIGxhIFVOSVZFUlNJREFEIE1JTElUQVIgTlVFVkEgR1JBTkFEQSwgcGFyYSBxdWUgZW4gbG9zIHTDqXJtaW5vcwplc3RhYmxlY2lkb3MgZW46CgpMZXkgMjMgZGUgMTk4Mi0gTGV5IDQ0IGRlIDE5OTMgLUxleSAxOTE1IGRlIDIwMTggLSBEZWNpc2nDs24gQW5kaW5hIDM1MSBkZSAxOTkzLQpEZWNyZXRvIDQ2MCBkZSAxOTk1IHkgZGVtw6FzIG5vcm1hcyBnZW5lcmFsZXMgc29icmUgbGEgbWF0ZXJpYSwgdXRpbGljZSB5IHVzZSBwb3IKY3VhbHF1aWVyIG1lZGlvIGNvbm9jaWRvIG8gcG9yIGNvbm9jZXIsIGxvcyBkZXJlY2hvcyBwYXRyaW1vbmlhbGVzIGRlIHJlcHJvZHVjY2nDs24sCmNvbXVuaWNhY2nDs24gcMO6YmxpY2EsIHRyYW5zZm9ybWFjacOzbiB5IGRpc3RyaWJ1Y2nDs24gZGUgbGEgb2JyYSBvYmpldG8gZGVsIHByZXNlbnRlCmRvY3VtZW50by4KCkxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gc2UgaGFjZSBleHRlbnNpdmEgbm8gc8OzbG8gYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlCnVzbyBzb2JyZSBsYSBvYnJhIGVuIGZvcm1hdG8gbyBzb3BvcnRlIG1hdGVyaWFsLCBzaW5vIHRhbWJpw6luIHBhcmEgZm9ybWF0byB2aXJ0dWFsLAplbGVjdHLDs25pY28sIGRpZ2l0YWwsIHkgY3V5byB1c28gc2UgZGUgZW4gcmVkLCBpbnRlcm5ldCwgZXh0cmFuZXQsIGludHJhbmV0LCBldGMuLAp5IGVuIGdlbmVyYWwgZW4gY3VhbHF1aWVyIGZvcm1hdG8gY29ub2NpZG8gbyBwb3IgY29ub2Nlci4KClNpIHRpZW5lIGFsZ3VuYSBkdWRhIHNvYnJlIGxvcyBUw6lybWlub3MgeSBjb25kaWNpb25lcywgcG9yIGZhdm9yLCBjb250YWN0ZSBjb24gZWwKYWRtaW5pc3RyYWRvciBkZWwgc2lzdGVtYSBiaWJsaW9kaWdpdGFsQHVuaW1pbGl0YXIuZWR1LmNvCgpBY2VwdGUgVMOpcm1pbm9zIHkgY29uZGljaW9uZXMgc2VsZWNjaW9uYW5kbyAiQWNlcHRvIiB5IHB1bHNhbmRvICJDb21wbGV0YXIgZW52w61vIi4K |