Economía, Finanzas y Computación

Permanent URI for this collectionhttps://dspace.unia.es/handle/10334/3692

Browse

Browsing Economía, Finanzas y Computación by Subject "Algoritmos"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Open AccessTrabajo académico
    Algoritmos de aprendizaje automático para la predicción de la productividad de la confección textil
    (Universidad Internacional de Andalucía, 2021) Pérez Zaldívar, Lisandra; Pérez Zaldívar, Lisandra
    Trabajo de Máster en Economía, Finanzas y Computación. Tutores: Dr. D. Diego Marín Santos ; Manuel Emilio Gegúndez Arias. La precisa estimación de la productividad es uno de los factores claves para planificar la producción. Actualmente, las empresas de la confección de prendas de vestir están enfocadas en realizar pronósticos sustentados por la toma de decisiones inteligentes. En esta investigación se presenta un procedimiento para detectar si la productividad de las líneas de producción de la confección será cumplida, en base a conocimientos previos. Para ello se aplican técnicas de aprendizaje supervisado, clasificando la productividad en cumplida o no cumplida. Estas técnicas fueron aplicadas a un conjunto de registros desbalanceados del área de producción de una empresa de confección textil de Bangladesh. Después de un análisis comparativo de los datos experimentales obtenidos en el proceso de pruebas, se demuestra que los algoritmos de clasificación son más eficientes cuando el conjunto de entrenamiento de datos esta equilibrado. Siendo la técnica de Random Forest la que mejor resultados ofrece sobre los criterios de evaluación definidos (Precisión, Sensibilidad y F1-Score). Finalmente, se puede visualizar mediante la curva ROC que el modelo Random Forest entrenado con datos balanceados obtiene el mejor AUC con un 75% en el punto de corte cuando la sensibilidad alcanza un 73%, especificidad un 76%, y como umbral óptimo 1. Siendo favorable para el proceso de identificación de los casos cuando la productividad no es cumplida.
  • Thumbnail Image
    Open AccessTrabajo académico
    Estudio predictivo de contrataciones vía Modelos Econométricos de Elección Binaria y Machine Learning
    (Universidad Internacional de Andalucía, 2023) Llamas Crespillo, Jonathan; Llamas Crespillo, Jonathan
    Trabajo de Máster Universitario en Economía, Finanzas y Computación (2022-23). Tutor: Dr. Dº. Nicola Rubino. Information technology and big data processing are tools that can be applied to almost any field or industry. In this master’s thesis, machine learning techniques, econometric models, and big data processing techniques will be used in the field of labour studies. The tool which I will be using to execute these techniques and models is Python. The goal will be firstly, to process the dataset and to validate and exploit it through statistical techniques and econometric models. Secondly, we are going to employ some classification techniques through Machine Learning. Finally, I will show my conclusions on the exercise, which are oriented to have utility for professional and research goals. The aim of this study is ultimately to analyse job seekers features to compare them to each other and determine if they are ideally employable, or not, using Machine Learning and Econometrics.