Browsing by Author "Astroza, Alonso"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Análisis y Modelamiento de los márgenes por negocios de la Empresa Derco mediante series temporales y redes neuronales recurrentes LSTM(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Álvarez Vallejos, Jonathan; Soto Sandoval, Patricio; Astroza, Alonso; Candia Vallejos, CristiánEl objetivo de este proyecto es analizar y modelar los márgenes por negocio de la empresa DERCO mediante series temporales y redes neuronales recurrentes. Bajo la hipótesis a comprobar respecto a la relación en el aumento del margen de vehículos nuevos sobre el margen de ganancia de las unidades de negocio restantes. Se exploraron los registros de venta de los últimos 12 años, logrando plantear correlaciones e identificar patrones para el posterior modelamiento. Los modelos de las series fueron realizados por medio de Prophet y RNN LSTM. Se obtuvo como principal resultado que los modelos elaborados con Prophet, presentan un mejor desempeño para el caso en estudio, considerando las limitaciones de tiempo, recursos e información disponible. De ello podemos concluir que para este caso particular, la influencia del margen de venta de los vehículos nuevos es muy relevante para el margen de las otras unidades de negocio. Como mejora al análisis y modelamiento se propone explorar el detalle de venta (productos) por cliente y efectuar nuevos modelos de redes neuronales probando otras arquitecturas.Item Clusterización en base a compras de vehículos motorizados: periodo 2009 al 2021(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Pastor Bueno, Nicolás; Hermosilla Urriola, María Alejandra; Astroza, Alonso; Candia, Cristián; Asahi Kodama, Takeshi; Landaeta, VíctorEl presente documento, se refiere al estudio de ventas de una gran concesionaria de venta de vehículos, la cual nos proporciona datos crudos para el estudio del comportamiento de compra de vehículos nuevos desde el año 2009 al 2021, generando agrupamientos de estas ventas a través de la generación de clústers, en base a modelos de aprendizaje no supervisado y por otra parte, la predicción de estos clústers en base a modelos de aprendizaje supervisado. Para realizar este estudio comenzaremos con un análisis de la data disponible y un análisis exploratorio de los datos para poder comprender las tendencias de venta que posee esta concesionaria. Luego implementaremos algoritmos para la generación de agrupaciones dentro de los registros, para de esta forma, determinar la/s variable/s que contribuye/n mayormente a en la generación de estos grupos. Con el fin de validar el comportamiento de la agrupación realizada a través de modelos de aprendizaje no supervisado para generación de clusters, se implementan modelos de aprendizaje supervisado para así predecir y validar los clusters agrupados en base a modelos de clasificación. Finalmente presentaremos los resultados de la metodología aplicada y con ello, las principales conclusiones de este estudio.Item Implementación de un Agente de “Inverse Reinforcement Learning”: Jugando el juego del Nintendo NES: “Punch-Out!”(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Medina Hernández, Alexander; Candia, Cristián; Astroza, AlonsoSe entrenará un agente de aprendizaje reforzado inverso (IRL por sus siglas en inglés) mediante la utilización de demostraciones de experto, las cuales serán generadas por un humano experto. El agente de IRL será entrenado en un ambiente de juegos de video retro clásico, más específicamente de un juego retro clásico llamado “Punch-Out!!” de la consola retro clásica Nintendo Entertainment System. Como parte del proceso del proyecto, se realizarán cambios en las variables por defecto de los objetos de las librerías a utilizar para poder generar cambios que ayuden a aliviar las necesidades de procesamiento y tiempo de las actividades mencionadas. Como paso final, se demostrará que los modelos de IRL a los que se les muestran ejemplos de acciones específicas bajo condiciones específicas dentro de un ambiente RL, se desempeñan mejor en tareas que requieren tener una precisión en el accionar con respecto a los algoritmos tradicionales de RL, los cuales aprenden características de sus entornos para mejorar su desempeño. Lo anterior, demostrará que la hipótesis en la que se basa el proyecto es comprobada técnicamente, y específicamente aplica en el presente caso. A nivel técnico, se implementarán dos agentes, un agente RL, específicamente de un tipo PPO, y luego en una fase posterior, se implementará un agente GAIL (IRL), al cual se le suministraran las demostraciones de un humano expertoItem La importancia de la estrategia en Valorant: Análisis predictivo de los resultados de cada ronda en base a los distintos componentes de la estrategia de los equipos rivales(Universidad del Desarrollo. Facultad de Ingeniería, 2022-12) Smith de la Carrera, Daniel; Candia Vallejos, Cristián; Astroza, AlonsoEn este documento analizaremos una base de datos que contiene información de múltiples partidas y rondas de Valorant para realizar un análisis predictivo que logre identificar si un equipo ganará o perderá una determinada ronda en base a la estrategia del equipo contra la estrategia del equipo rival, entre las cuales están la cooperación del equipo (medida con asistencias previas), las armas que utilizarán en la ronda, las decisiones del sitio para plantar la bomba pasadas y como esto influye en el desempeño de la ronda actual y la composición de agentes y roles de cada equipo.