Proyectos en Inteligencia Artificial
Michelle

Ranking Troomes
Mensajes: 1
Registrado: 11 Dic 2024, 19:47
Contactar:

Modelo Predictivo para la Elección Universitaria en Lima: Análisis de Técnicas de Machine Learning

Mensaje por Michelle » 22 Ene 2025, 23:44

TEMA:
Modelo Predictivo para la Elección Universitaria en Lima: Análisis de Técnicas de Machine Learning

ABSTRACT:
Este estudio presenta el diseño y desarrollo de un modelo predictivo que permite comprender y optimizar el proceso de elección universitaria de los estudiantes egresados de educación secundaria en Lima Metropolitana, Perú. Dado el desafío de distribuir de manera eficiente a los postulantes entre más de 40 universidades en la región, el presente trabajo aplica técnicas de machine learning supervisadas y no supervisadas para analizar factores académicos, socioeconómicos y geográficos. Se implementa un pipeline robusto que abarca desde la limpieza y transformación de datos (incluyendo el uso de la fórmula Haversine para calcular distancias)(Sinnott, 1984) hasta el balanceo de clases mediante SMOTE (Synthetic Minority Over-sampling Technique) y la aplicación de diversos algoritmos de machine learning.
En la fase de aprendizaje supervisado, se evalúan Árboles de Decisión (J48), Bosques Aleatorios (Random Forest), Redes Bayesianas (Naive Bayes, BayesNet) y Máquinas de Vectores de Soporte (SVM, con variantes libSVM y SMOreg). Por otro lado, se realizan análisis exploratorios mediante clustering (K-means y DBSCAN) para identificar patrones en los datos. Las métricas utilizadas para evaluar el desempeño incluyen precisión, recall, F1-score y accuracy, complementadas con el análisis de matrices de confusión. Los resultados destacan la importancia de la distancia geográfica y el nivel socioeconómico como variables clave en la elección universitaria, proporcionando recomendaciones para instituciones y autoridades educativas. Este trabajo constituye una referencia útil para diseñar sistemas de recomendación y estrategias orientadas a mejorar la distribución y permanencia de estudiantes en la educación superior.

https://www.troomes.com/viewtopic.php?f ... 704&p=8462

INTEGRANTES:
Michelle Espinoza Pachas
Jose Luis Peñaloza Yaurivilca
Renzo Elvis Cerron tome
Juan Pablo Calla Choquemamani,
Adjuntos
dataset_balanceado.csv
data procesada
(1.88 MiB) Descargado 87 veces
Modelo Predictivo para la Elección Universitaria en Lima_ Análisis de Técnicas de Machine Learning.pptx
presentacion
(12.36 MiB) Descargado 78 veces
Datos_historicos_Sunedu.xlsx
data inicial
(334.78 KiB) Descargado 83 veces
dataset_weka.csv
data de weka
(94.38 KiB) Descargado 77 veces


Responder