Look-up in Google Scholar
Title: Machine learning no supervisado en la detección de similitud de puestos de empleo de profesionales de TI
Advisor(s): Ángeles Lazo, Ana María
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2022
Institution: Universidad Nacional Federico Villarreal
Abstract: Machine Learning no supervisado es una rama de la inteligencia artificial que utiliza técnicas automatizadas para resolver problemas basados en el descubrimiento de patrones o conglomerados de objetos según su posición geométrica en el espacio vectorial n dimensional, la calidad del agrupamiento depende de la complejidad, dimensionalidad y granularidad del dataset, de las estadísticas y de la distribución de los datos; Clustering es una técnica que recae en este rubro. Por otro lado, Las cualificaciones y perfiles ocupacionales estandarizados y actualizados es uno de los objetivos de las naciones, enfocados en mejorar la calidad y pertinencia de la educación y la formación para el trabajo; globalmente se cuenta con las cualificaciones ocupacionales ISCO-08 de la OIT y a nivel nacional con el CNPO y MNCP. En ese contexto, el presente trabajo realiza una investigación a partir de los puestos de empleo de profesionales de TI suministrados en los portales web por empleadores o grupos de interés, extrae las cualificaciones y su detalle, diseña un modelo dimensional, determina un modelo basado en clusters de puestos de empleo, aplica métricas y una técnica supervisada para evaluar la precisión del modelo, desarrolla un prototipo de aplicación y concluye fundamentando los beneficios que obtendría la academia disponiendo de una demanda social real y las entidades responsables de mantener actualizado el CNPO y MNCP con su implementación, extendiéndolo a otras disciplinas.
Discipline: Ingeniería
Grade or title grantor: Universidad Nacional Federico Villarreal. Escuela Universitaria de Posgrado
Grade or title: Doctora en Ingeniería
Juror: Mujica Ruiz, Oscar Hugo; Rodriguez Rodriguez, Ciro; Franco Del Carpio, Carlos Miguel
Register date: 10-Oct-2022



This item is licensed under a Creative Commons License Creative Commons