Look-up in Google Scholar
Full metadata record
Fabian Arteaga, Junior Jhon
Salas Castillo, Patricia Elizabeth
Celedonio Rojas, Marco Antonio
Crisóstomo Fernández, Walter Javier
Medrano Pelaez, Jose Luis
Briceño Rodríguez, Rafael Isaac
Perú
2022-11-11T15:17:21Z
2022-11-11T15:17:21Z
2022-11-11T15:17:21Z
2022-11-11T15:17:21Z
2022
https://hdl.handle.net/20.500.12640/3237
Diferentes empresas están utilizando técnicas de Machine Learning para analizar sus conjuntos de datos con la finalidad de encontrar comportamientos y patrones que les permitan crear modelos matemáticos predictivos, que a su vez pueden predecir diferentes variables de salida para determinar la producción y la cantidad de personal requerido para los cultivos de palta, arándano y mandarina. En el presente estudio, se utilizó una base de datos que comprende los años de campañas de cosecha (2019 a 2022). Para ello, la metodología CRISP-DM para obtener un mejor alineamiento en la etapa de desarrollo. Se utilizaron técnicas de aprendizaje supervisado entre ellas Regresión lineal Múltiple, Árbol de Regresión y Vectores de Soporte de Regresión, para medir el modelo que tiene mejor desempeño se utilizaron las métricas como el R2 y RMSE. Dentro de los resultados obtenidos, se obtuvo que, para determinar la producción del cultivo de palta, la mejor técnica fue la de Regresión Lineal Múltiple y para los cultivos de arándano y mandarina fue el Árbol de Regresión, por otro lado, para determinar la cantidad de trabajadores para el cultivo de palta el mejor modelo fue Árbol de Regresión y para los cultivos de mandarina y arándano fue el SVR. (es_ES)
application/pdf (es_ES)
spa (es_ES)
Universidad ESAN (es_ES)
info:eu-repo/semantics/openAccess (es_ES)
Atribución-NoComercial 2.5 Perú (*)
http://creativecommons.org/licenses/by-nc/2.5/pe/ (*)
Producción agropecuaria (es_ES)
Agroindustria (es_ES)
Aprendizaje automático (es_ES)
Análisis regresivo (es_ES)
Tecnología de la información (es_ES)
Planificación de la empresa (es_ES)
Trabajadores agrícolas (es_ES)
Cultivos alimenticios (es_ES)
Técnicas de Machine Learning para determinar la producción de cultivos y personal requerido en las campañas de cosecha de la empresa Fundos Rejas SAC (es_ES)
Trabajo de suficiencia profesional (other)
info:eu-repo/semantics/bachelorThesis (es_ES)
Universidad ESAN. Facultad de Ingeniería (es_ES)
Ingeniería de Tecnologías de Información y Sistemas (es_ES)
Ingeniería Industrial y Comercial (es_ES)
Ingeniero Industrial y Comercial (es_ES)
Ingeniero de Tecnologías de Información y Sistemas (es_ES)
PE (es_ES)
https://purl.org/pe-repo/ocde/ford#5.02.04 (es_ES)
https://purl.org/pe-repo/ocde/ford#2.11.04 (es_ES)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_ES)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_ES)
44749148
https://orcid.org/0000-0001-9804-7795 (es_ES)
47848506
44792076
70915575
73253884
74698574
722056 (es_ES)
613066 (es_ES)
Gonzales Lopez, Rolando Alberto
Lizarzaburu Bolaños, Edmundo Raul Antonio
https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional (es_ES)
Privada asociativa



This item is licensed under a Creative Commons License Creative Commons