Browsing by Author "Astroza , Alonso"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Forecast de ventas en escenario de pandemia y retiros previsionales: caso aplicado a ventas de importante empresa del rubro automotriz(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Bull Ruiz, Matías Felipe; Candia, Cristián; Astroza , AlonsoEl siguiente trabajo es un intento por entender el nivel de impacto que tuvo la pandemia COVID-19 junto al posterior retiro de ahorros previsionales en las ventas de una importante empresa del rubro automotriz hasta marzo de 2022. A pesar de contar con información desde 2013 en adelante se trabajará con datos de enero de 2018 en adelante, utilizando como punto de quiebre el mes de marzo de 2020 donde se declara la pandemia por parte de la Organización Mundial de la Salud y los países comienzan a restringir el movimiento de las personas. Este trabajo se divide en dos partes. En la primera parte de Datos y Metodología se describe los datos y forma de trabajo y en una segunda parte, más extensa de Resultados, se procede a detallar los modelos de Serie de tiempo explorados, como también dos alternativas más para medir el impacto que no resultan satisfactorias porque sus resultados no tienen un contexto de negocio que las acompañe. A pesar de eso es posible determinar un modelo que permite predecir las ventas sin pandemia COVID-19 y luego medir el impacto de los Retiros, suponiendo que la pandemia COVID-19 no hubiese existido. Finalmente es posible estimar un impacto en ventas que cae abruptamente durante la época de encierro, entre marzo y julio de 2020, con una estimación de casi 26 mil millones mensuales en perdidas respecto a este escenario predicho de ventas sin COVID-19. Luego se observa un freno en la perdida debido a la disponibilidad de liquidez por retiro de ahorros previsionales hasta que el liberar un tercer retiro comienza la recuperación logrando quedar sin pérdidas por menor ventas en febrero de 2022. Se puede estimar que la pandemia COVID-19 tuvo un impacto negativo directo en las ventas de la empresa del rubro automotriz y los retiros tuvieron un impacto positivo que solo se vio claramente al llegar el tercer retiro, llevando a recuperar las ventas de Importante empresa del rubro automotriz en febrero de 2022Item Predicción de partidas en Valorant: utilizando algoritmos de Machine Learning, Random Forest y XGBoost(Universidad del Desarrollo. Facultad de Ingeniería, 2023-01) Milla Sanhueza, Pedro Esteban; Astroza , Alonso; Candia, CristiánEl mundo de los videojuegos experimentó un notable avance cuando fue posible jugar a distancia con cualquier persona en cualquier parte del mundo. El acceso a internet y la notable evolución de la transferencia de datos, permiten que actualmente existan grandes ligas de videojuegos y campeonatos a nivel mundial con equipos profesionales compitiendo. Este trabajo presenta la implementación de modelos de Machine Learning para predecir el resultado de partidas del videojuego Valorant, utilizando los datos generados en Random Forest y XGBoost como algoritmos de clasificación. Para realizar las predicciones de partidas futuras, los datos se fueron agrupando de manera que por cada partida existan dos observaciones, una por cada equipo. Además, se tomaron como variables los datos generados en partidas pasadas, generando así una predicción al inicio de la partida futura. Los resultados indican que XGBoost tiene un mejor desempeño sobre Random Forest, debido a que el ajuste de hiperparámetros y la selección de variables logró un aumento en la capacidad de predecir tanto partidas ganadas como perdidas.