Look-up in Google Scholar
Title: Comparación de modelos de Machine Learning para determinar qué modelo se aproxima más a una asignación manual en ServiceDesk
Advisor(s): Guzman Rea, Omar Stevenson
OCDE field: https://purl.org/pe-repo/ocde/ford#1.02.01
Issue Date: 2023
Institution: Universidad Nacional Mayor de San Marcos
Abstract: Realiza una comparación de algoritmos de aprendizaje automático para categorizar automáticamente los tickets del ServiceDesk debido al enorme número generado. Esto se debe a un problema con el tiempo necesario para generar tickets (solicitudes, incidentes y requerimientos). Mediante la utilización de tecnologías de aprendizaje automático que permiten la asignación automatizada de grupos de soluciones de proveedores que atienden a empresas de alto consumo, el modelo sugerido pretende mejorar el procedimiento de designación de tickets del ServiceDesk. Para la verificación se utilizaron los datos de los tickets de la empresa y se realizaron pruebas para validar el modelo. Los datos recopilados se utilizaron para construir un modelo de aprendizaje automático que proporcionó los datos necesarios para clasificar los tickets en varios grupos de soluciones (SupportMG, SupportDevmente, SupportTI y ProjectsTI) y categorizarlos en función del tipo.
Discipline: Computación Científica
Grade or title grantor: Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Computación Científica
Grade or title: Licenciada en Computación Científica
Juror: Pérez Ortiz, Joaquin Omar; Timoteo Sánchez, Martha Hilda; Pérez Salvatierra, Alfonso
Register date: 27-Mar-2024; 27-Mar-2024



This item is licensed under a Creative Commons License Creative Commons