6446 research outputs found
Sort by
Políticas, estrategias y programas de transformación productiva sostenible con enfoque territorial en América Latina y el Caribe.
No full text4 página
Fraccionamiento y separación de las fases ligera y pesada del bioaceite obtenido de la pirólsis rápida de biomasa
No full textEste estudio se enfoca en el fraccionamiento y la caracterización mediante fluorescencia UV de las fases de bioaceite generadas durante la pirólisis rápida de biomasa en un reactor de placa caliente. Se aplicaron dos métodos de fraccionamiento que involucran separación de fases por solventes, basada en la polaridad de los compuestos, y técnicas de separación física. Además, se evaluó la influencia de la presión del reactor y de la temperatura de recolección del bioaceite sobre la proporción de compuestos ligeros a pesados (monómeros vs. oligómeros). Ambos métodos de fraccionamiento demostraron ser eficaces, destacando el método simplificado por su facilidad de aplicación. Se encontró que la fracción pesada del bioaceite producido en el reactor de placa caliente consistía predominantemente en dímeros y trímeros (340-370 nm), similar a la lignina pirolítica, la cual también mostró un pico en este rango. Por otro lado, se observó que presiones más bajas en el reactor y temperaturas de recolección menores favorecieron la expulsión de aerosoles, incrementando los rendimientos de bioaceite hasta en un 85%
Solución de EDPS con métodos libre de malla (RBF)
No full textEn este estudio, se empleó el método de colocación con funciones de base radial (MCFRB) para realizar interpolaciones de funciones bidimensionales, incluyendo sus derivadas de primer y segundo orden, así como para resolver ecuaciones en derivadas parciales (EDPs). Además, se investigó la posibilidad de identificar un parámetro óptimo para determinar la cantidad adecuada de puntos de entrenamiento, con el objetivo de optimizar el método y mejorar su rendimiento computacional. También se comparó el tiempo de cómputo entre los lenguajes de programación Julia y Python
Análisis de sentimientos para la construcción de las matrices P y Q en el modelo de Black-Litterman para la optimización de portafolios
No full text84 páginasRESUMEN: El trabajo de crear portafolios de inversión es un campo de estudio bastante amplio y sobre el que se ha investigado mucho en el mundo académico de las finanzas y la economía. Desde los modelos convencionales de colocación de activos como el de Harry Markowitz en 1952, hasta algunos modelos más sofisticados como el de Fisher Black y Robert Litterman en 1990. En el trabajo desarrollado inicialmente por Black y Litterman y posteriormente mejorado por Litterman y He (2002), se incorpora la posibilidad de añadir perspectivas subjetivas a un proceso meramente matemático para la colocación de activos. Un enfoque que transformaría permanentemente los fondos de inversión y sobre lo que este trabajo indagará profundamente.
Con la revolución tecnológica en materia de la inteligencia artificial, muchos se preguntan hoy en día cuál es su alcance y en qué tareas podría empezar la inteligencia artificial a servir como herramienta para los humanos. Maquinas cada vez más desarrolladas incluso con la capacidad de entender el lenguaje humano hacen pensar que estas herramientas vinieron para quedarse y revolucionar todo lo que conocemos. No es de extrañar que el mundo de las finanzas vaya adquiriendo cada vez más interés en este nuevo potencial emergente. De ahí, nace la idea y la motivación con la que se realiza este trabajo, pensar en el qué puede llegar a pasar en el proceso de colocar activos para un portafolio de inversión si en lugar de ser un humano quien esté detrás de la operación es una máquina con la capacidad de recoger grandes cantidades de información del mercado en minutos, qué tan eficaz pueden ser las visiones de mercado generadas artificialmente con procesadores de lenguaje natural, son todas preguntas que a lo largo de este trabajo se exploran parcialmente.
Por último, las metodologías empleadas para el desarrollo de las ideas planteadas para la investigación antes mencionadas son un primer vistazo de lo que puede llegar a escalarse a modelos de mayor precisión y de mayor complejidad con un volumen de información superior y de mayor calidad.ABSTRACT: Asset allocation process is a well-known field and intensely studied in the academic financial and economical world. The evolution of asset allocation theory encompasses the knowledge from Harry Markowitz’s theory developed in 1952 to advanced models like the Black-Litterman model introduced by Fisher Black and Robert Litterman in 1990. By incorporating subjective perspectives into the mathematical framework, Black-Litterman created a pivotal shift in investment portfolio management. This study explores how this approach, later refined by Litterman and Guangliang He in 2002, transformed portfolio management by enabling customized outlooks.
Technological revolution in AI field is an area of growing interest and the world is asking itself the potential reach of it and what AI can start doing for humanity. The machines are getting more powerful through time, and they can even understand human language, causing even the financial world to get more and more interested in its potential.
The idea and motivation of this research work its starting from there, thinking on what would happen with asset allocation processes if in place of a human being behind the process, a machine perform the work with the capacity of read and collect big amount of information in just minutes, how efficient can be the artificial outlooks made by a machine and natural language processors, are all questions that are partially explored in this study..
Finally, the methodologies used in this study provide an initial framework that could be scaled to higher-precision models, supporting more complexity and more accuracy with a big data volume and a higher quality.PregradoIngeniero(a) Financiero(a
Modelo de pronóstico para generación de energía renovable
No full text61 páginasRESUMEN: Con el aumento de las fuentes de energía no convencionales, como la solar y la eólica, surge la necesidad de abordar los desafíos que presentan su variabilidad e intermitencia. Estos factores influyen en la planificación y el despacho de energía en el mercado, lo que crea la necesidad de predecir la generación de energía verde de manera confiable. Este proyecto se centra en el desarrollo de un modelo de predicción que permita pronosticar la generación de energías renovables, brindando a usuarios y reguladores del mercado una herramienta para la planificación y el despacho de la electricidad. El estudio se centra exclusivamente en ciertas plantas colombianas, para las cuales se disponen de datos históricos.
La metodología empleada sigue el enfoque CRISP-DM, que incluye el entendimiento del negocio, el entendimiento de los datos, la preparación de estos, el modelado y la evaluación del modelo. En la etapa de modelado, se empleó el modelo estadístico SARIMAX que busca capturar el comportamiento de los datos cómo series temporales, analizando variables endógenas y exógenas. A través de esta metodología, el trabajo busca establecer una predicción valiosa basada en los datos disponibles.
Los resultados obtenidos en este estudio muestran que, aunque la precisión del pronóstico se ve limitada por la cantidad de variables que influyen en la generación de energía renovable, el modelo logra capturar patrones generales de comportamiento. Esto proporciona una base sólida para el desarrollo de herramientas de predicción en energía renovable, lo cual puede tener un impacto significativo en la sostenibilidad y eficiencia energética del país.ABSTRACT: With the increase in non-conventional energy sources, such as solar and wind, the need to address the challenges posed by their variability and intermittency arises. These factors influence energy planning and dispatch in the market, creating the need for reliable renewable energy generation forecasts. This project focuses on developing a prediction model that allows forecasting the generation of renewable energy, providing users and market regulators with a tool for electricity planning and dispatch. The study focuses exclusively on certain Colombian plants, for which historical data is available.
The methodology used follows the CRISP-DM approach, which includes business understanding, data understanding, data preparation, modeling, and model evaluation. In the modeling stage, the SARIMAX statistical model was employed, which aims to capture the behavior of the data as time series, analyzing both endogenous and exogenous variables. Through this methodology, the work aims to establish a valuable prediction based on the available data.
The results obtained in this study show that, although the accuracy of the forecast is limited by the number of variables influencing renewable energy generation, the model successfully captures general behavior patterns. This provides a solid foundation for the development of renewable energy prediction tools, which can have a significant impact on the sustainability and energy efficiency of the countryPregradoIngeniero(a) de Sistemas y Computació
Desarrollo de un sistema de riego automatizado por goteo integrado con iot: enfoque en la regulación eficiente de humedad para jardines interiores y exteriores
No full text102 páginasRESUMEN: Este proyecto presenta el diseño e implementación de un sistema de riego automatizado utilizando control difuso (fuzzy control) para optimizar el consumo de agua en plantas ornamentales tanto en ambientes exteriores como interiores. La arquitectura del sistema incluye sensores de humedad y temperatura, un controlador ESP32 para la gestión de datos y una Raspberry Pi que actúa como servidor y centraliza la configuración del sistema a través de una interfaz gráfica accesible al usuario. Para el control del riego, se compararon dos enfoques: un sistema tradicional ON/OFF y un sistema fuzzy control, este último ajustando la apertura de las válvulas mediante modulación PWM (ancho de pulso), lo que permite un control gradual del riego en función de las condiciones ambientales.
Durante dos semanas de pruebas, se monitorizó el comportamiento del sistema en ambas configuraciones, evidenciando que el fuzzy control logró mantener la humedad del suelo dentro de los rangos establecidos con mayor estabilidad, adaptándose eficientemente a variaciones de temperatura y a eventos de lluvia en el ambiente exterior. Los resultados muestran que el consumo de agua en cinco días se redujo en un 55% en el exterior y en un 48% en el interior al emplear el fuzzy control en lugar del sistema ON/OFF. Esto confirma que el fuzzy control, al regular el riego según las necesidades precisas de humedad del suelo, optimiza el uso del agua, haciendo el sistema ideal para aplicaciones en las que la eficiencia hídrica es prioritaria.
Este proyecto no solo demuestra la viabilidad de los sistemas de control inteligente en riego automatizado, sino que también subraya la importancia de un manejo eficiente de recursos en un contexto donde la sostenibilidad es cada vez más relevante. La metodología propuesta ofrece una solución adaptable y precisa, que responde a las variaciones ambientales y garantiza un ahorro de agua considerable, posicionándose como una herramienta útil para la agricultura y jardinería en ambientes controlados.ABSTRACT: This project presents the design and implementation of an automated irrigation system using fuzzy control to optimize water consumption for ornamental plants in both outdoor and indoor environments. The system architecture includes humidity and temperature sensors, an ESP32 controller for data management, and a Raspberry Pi acting as a server, centralizing system configuration through a user-accessible graphical interface. For irrigation control, two approaches were compared: a traditional ON/OFF system and a fuzzy control system. The latter adjusts the valve opening using PWM (pulse width modulation), enabling gradual irrigation control based on environmental conditions.
Over two weeks of testing, the system's behavior in both configurations was monitored, demonstrating that the fuzzy control maintained soil moisture within the established ranges with greater stability, adapting efficiently to temperature variations and rain events in the outdoor environment. The results show that water consumption over five days was reduced by 55% outdoors and by 48% indoors when using fuzzy control instead of the ON/OFF system. This confirms that fuzzy control, by regulating irrigation according to the precise moisture needs of the soil, optimizes water usage, making the system ideal for applications where water efficiency is a priority.
This project not only demonstrates the viability of intelligent control systems in automated irrigation but also emphasizes the importance of efficient resource management in a context where sustainability is increasingly relevant. The proposed methodology offers an adaptable and precise solution that responds to environmental variations and ensures considerable water savings, positioning itself as a valuable tool for agriculture and gardening in controlled environments.PregradoIngeniero(a) Mecatrónico(a
Propuesta de procedimiento para la vinculación efectiva del modelo 3D con la planificación de obras usando la metodología BIM. Caso de estudio: Edificio de nueve pisos.
No full text121 páginasRESUMEN: Este trabajo analiza cómo la integración de modelos 3D con la planificación de obras mediante la metodología BIM puede mejorar los procesos constructivos. Utilizando como caso de estudio un edificio de nueve pisos, se identificaron actividades clave, especialmente en cimentación y estructura, evaluando cuáles pueden modelarse y simularse para optimizar el tiempo.ABSTRACT: This work analyzes how the integration of 3D models with construction planning through the BIM methodology can improve construction processes. Using a nine-story building as a case study, key activities were identified, particularly in foundation and structure, evaluating which ones can be modeled and simulated to optimize time.PregradoIngeniero(a) Civi
Caracterización salarial en el sector TI por medio de información laboral y sociodemográfica de los empleados
No full text38 páginasRESUMEN: En la industria de tecnologías de la información (TI), la determinación de salarios es un tema crítico tanto para empleadores como para empleados. Sin embargo, las herramientas y estudios actuales no consideran variables significativas o carecen de información completa, lo que dificulta una comprensión integral de los factores que influyen en la compensación salarial. La creciente demanda de profesionales altamente especializados en el sector ti resalta la necesidad de estudios que aborden de manera exhaustiva los factores laborales y sociodemográficos, como la experiencia laboral, el nivel educativo, entre otros, que inciden en los salarios de los empleados de ti. Esta investigación tiene como objetivo principal analizar y caracterizar la relación entre estas variables y los niveles salariales, proporcionando una visión precisa y actualizada para facilitar la toma de decisiones estratégicas.
Para abordar este problema, se ha utilizado la metodología ASUM-DM. En primer lugar, se realizó un análisis exhaustivo de la literatura existente y se identificaron las variables laborales y sociodemográficas pertinentes. Posteriormente, se llevó a cabo la recopilación y selección de datos empíricos de profesionales del sector TI. La fase de utilización implicó la preparación y limpieza de los datos para garantizar su calidad y fiabilidad. En la etapa de modelado, se desarrolló un modelo predictivo de compensación salarial utilizando técnicas avanzadas de analítica de datos y Machine Learning, validándolo para asegurar su precisión y robustez. Finalmente, se tomó la decisión de aplicar el modelo para generar una curva salarial precisa y actualizada, la cual puede ser utilizada por empresas e instituciones del sector TI para optimizar sus políticas de atracción de talento.
El modelo predictivo desarrollado ha permitido identificar y cuantificar la influencia de diversas variables laborales y sociodemográficas en la determinación de los niveles salariales de los profesionales del sector TI. Los resultados indican que factores como la experiencia laboral, el nivel educativo y la especialización tienen impacto en la compensación salarial. El modelo proporciona una herramienta valiosa para estimar los salarios de los profesionales de TI en función de su perfil, contribuyendo así a una gestión más eficaz y atractiva del talento humano en el ámbito de las tecnologías de la información.
Las conclusiones de esta investigación están abiertas y se determinarán posteriormente a la evaluación exhaustiva del modelo predictivo. Se espera que, una vez validado completamente, el modelo sirva como guía de construcción de una base sólida para la formulación de estrategias de atracción de talento en el sector TI, permitiendo a las empresas ofrecer compensaciones salariales competitivas y justas. Este estudio contribuirá significativamente al conocimiento existente en el campo de la gestión de recursos humanos y la analítica de datos aplicada, proporcionando una comprensión más profunda de los factores que influyen en la remuneración de los profesionales de TI.ABSTRACT: In the information technology (IT) industry, salary determination is a critical issue for both employers and employees. However, current tools and studies either do not consider significant variables or lack comprehensive information, making it difficult to fully understand the factors influencing salary compensation. The growing demand for highly specialized professionals in the IT sector highlights the need for studies that comprehensively address labor and sociodemographic factors, such as work experience and educational level, that affect IT employee salaries. This research aims to analyze and characterize the relationship between these variables and salary levels, providing an accurate and updated view to facilitate strategic decision-making.
To address this issue, the ASUM-DM methodology was used. First, an exhaustive analysis of existing literature was conducted, and relevant labor and sociodemographic variables were identified. Subsequently, empirical data collection and selection of IT sector professionals were carried out. The utilization phase involved data preparation and cleaning to ensure quality and reliability. In the modeling stage, a predictive salary compensation model was developed using advanced data analytics and machine learning techniques, validating it to ensure its accuracy and robustness. Finally, the decision was made to apply the model to generate an accurate and updated salary curve, which can be used by companies and institutions in the IT sector to optimize their talent attraction policies.
The developed predictive model has allowed for the identification and quantification of the influence of various labor and sociodemographic variables on the determination of salary levels for IT professionals. The results indicate that factors such as work experience, educational level, and specialization impact salary compensation. The model provides a valuable tool for estimating IT professionals' salaries based on their profiles, thus contributing to more effective and attractive human talent management in the field of information technology.
The conclusions of this research are open and will be determined after the comprehensive evaluation of the predictive model. It is expected that, once fully validated, the model will serve as a guide for building a solid foundation for the formulation of talent attraction strategies in the IT sector, enabling companies to offer competitive and fair salary compensations. This study will significantly contribute to the existing knowledge in the field of human resources management and applied data analytics, providing a deeper understanding of the factors influencing the remuneration of IT professionals.PregradoIngeniero(a) de Sistemas y Computació
Modelo computacional para la identificación de firmas de expresión génica asociadas con la respuesta a inhibidores de puntos de control en cáncer
No full text124 páginasRESUMEN: El cáncer es una enfermedad caracterizada por la pérdida de control en la proliferación celular debido a la rápida expansión y transformación de células normales en células cancerosas, lo que constituye un desafío científico crucial para el desarrollo de tratamientos menos invasivos y más efectivos. Según la Agencia Internacional para la Investigación del Cáncer, en el año 2020 la enfermedad fue responsable de casi 10 millones de defunciones a nivel mundial, representando aproximadamente una de cada seis muertes registradas.
Ante el desalentador escenario del cáncer, las terapias dirigidas ofrecen una alternativa con menos efectos secundarios en comparación con tratamientos tradicionales como la quimioterapia, posicionando a la inmunoterapia como una de las opciones más prometedoras en los últimos años. A diferencia de los métodos invasivos tradicionales que atacan indiscriminadamente las células tumorales, la inmunoterapia estimula el sistema inmunitario para que sea este el encargado de destruir el tumor, demostrando ser una estrategia innovadora y menos agresiva. Esta metodología terapéutica no solo implica menos efectos secundarios, sino que también representa una oportunidad significativa para combatir la proliferación de la enfermedad a lo largo del organismo.
Este trabajo propone un modelo computacional basado en inteligencia artificial y técnicas bioinformáticas para identificar firmas de expresión génica asociadas con la respuesta a la inmunoterapia basada en inhibidores de puntos de control inmunitario anti PD1/PD-L1 en cáncer. Se utilizó un enfoque metodológico robusto, que incluyó la corrección del efecto batch inducido por las máquinas de secuenciación utilizando la librería Inmoose, así como la normalización de los datos de expresión génica mediante TPM. Adicionalmente, se aplicaron técnicas de reducción dimensional como el Análisis de Componentes Principales (PCA) para la visualización bidimensional y tridimensional de los datos.
El balanceo de clases se realizó empleando técnicas como SMOTE, NearMiss y SMOTETomek integradas en Scikit-learn, mejorando significativamente el rendimiento del modelo. La optimización de hiperparámetros se llevó a cabo con la biblioteca Optuna, y la identificación de firmas genéticas se realizó utilizando Mlxtend. Estos métodos permitieron la creación de un repositorio digital de datos de expresión génica de pacientes con tumores sólidos y la implementación de un modelo computacional fundamentado en algoritmos de Machine Learning para predecir la respuesta a la inmunoterapia.
Los resultados obtenidos demuestran que la firma de 14 genes seleccionada es capaz de clasificar con precisión la respuesta al tratamiento en pacientes con cáncer, mostrando un notable desempeño y potencial para futuras investigaciones. Este modelo tiene el potencial de convertirse en una herramienta valiosa para guiar investigaciones adicionales y apoyar decisiones médicas en el contexto de la inmunoterapia como terapia dirigida.ABSTRACT: Cancer is a disease characterized by the loss of control in cell proliferation due to the rapid expansion and transformation of normal cells into cancer cells, which constitutes a crucial scientific challenge for the development of less invasive and more effective treatments. According to the International Agency for Research on Cancer, in 2020 the disease was responsible for almost ten million deaths worldwide, representing approximately one in six deaths recorded.
Given the discouraging cancer scenario, targeted therapies offer an alternative with fewer side effects compared to traditional treatments such as chemotherapy, positioning immunotherapy as one of the most promising options in recent years. Unlike traditional invasive methods that indiscriminately attack tumor cells, immunotherapy stimulates the immune system to destroy the tumor, proving to be an innovative and less aggressive strategy. This therapeutic methodology not only involves fewer side effects, but also represents a significant opportunity to combat the proliferation of the disease throughout the body. This work proposes a computational model based on artificial intelligence and bioinformatics techniques to identify gene expression signatures associated with the response to immunotherapy based on anti-PD1/PD-L1 immune checkpoint inhibitors in cancer. A robust methodological approach was used, which included batch correction induced by sequencing machines using the Inmoose library, as well as gene expression data normalization using TPM. Additionally, dimensional reduction techniques such as Principal Component Analysis (PCA) were applied for two- and three-dimensional visualization of the data.
Class balancing was performed using techniques such as SMOTE, NearMiss, and SMOTETomek integrated in Scikit-learn, significantly improving model performance. Hyperparameter optimization was performed with the Optuna library, and gene signature identification was performed using Mlxtend. These methods allowed the creation of a digital repository of gene expression data from patients with solid tumors and the implementation of a computational model based on Machine Learning algorithms to predict response to immunotherapy.
The results obtained demonstrate that the selected 14-gene signature is capable of accurately classifying treatment response in cancer patients, showing remarkable performance and potential for future research. This model has the potential to become a valuable tool to guide further research and support medical decisions in the context of immunotherapy as a targeted therapy.PregradoIngeniero(a) de Sistemas y Computació
Análisis del impacto de la doble titulación en la empleabilidad de los graduados de la EIA entre 2018- 2023
No full text46 páginasRESUMEN: El presente trabajo de investigación empírica analiza el impacto de la movilidad académica internacional, específicamente, la modalidad de doble titulación, en la empleabilidad de los graduados de la Universidad EIA durante el período 2018 - 2023. Esta investigación aborda desde una perspectiva integral el estudio de la influencia de la doble titulación en el desarrollo profesional de los graduados, para identificar estrategias, buenas prácticas y oportunidades de mejora para optimizar las estrategias de la Universidad EIA para promover y facilitar la participación de los estudiantes en estos programas, además de contribuir a la calidad y pertinencia de la formación ofrecida desde la dimensión internacional.
La investigación adopta un enfoque descriptivo y correlacional, de tipo no experimental, combinando técnicas cuantitativas y cualitativas para la comprensión integral del impacto de la doble titulación. Los hallazgos se estructuran en cuatro resultados principales:
• Trayectorias profesionales: se presenta un análisis de las trayectorias profesionales de los graduados de doble titulación, destacando cómo esta modalidad académica influyó en su empleabilidad.
• Percepción del impacto de la doble titulación en los egresados: se analizan sus valoraciones y percepciones sobre cómo esta experiencia ha contribuido a su formación académica y desarrollo profesional
• Percepción de los empleadores: el estudio incluye un análisis de las opiniones y percepciones de los empleadores sobre los graduados de doble titulación, proporcionando una comprensión clara de su valor en el mercado laboral.
• Evaluación del impacto en la empleabilidad: se correlacionan los resultados obtenidos de ambas perspectivas (graduados y empleadores) para establecer conclusiones sobre el impacto de la doble titulación en la empleabilidad, identificando fortalezas y oportunidades de mejora en estos programasMaestríaOtr