Buscar en Google Scholar
Título: Comparación de modelos de Machine Learning para determinar qué modelo se aproxima más a una asignación manual en ServiceDesk
Asesor(es): Guzman Rea, Omar Stevenson
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 2023
Institución: Universidad Nacional Mayor de San Marcos
Resumen: 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.
Disciplina académico-profesional: Computación Científica
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Computación Científica
Grado o título: Licenciada en Computación Científica
Jurado: Pérez Ortiz, Joaquin Omar; Timoteo Sánchez, Martha Hilda; Pérez Salvatierra, Alfonso
Fecha de registro: 27-mar-2024; 27-mar-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons