Tesis de Postgrado Ingeniería
URI permanente para esta colección
Examinar
Envíos recientes
- ÍtemDetección de Secuencia de Clústeres Globulares en Virgo(Universidad del Desarrollo. Facultad de Ingeniería, 2023) Fernández Zenteno, Jorge Adrián; Opitz , Daniela; Asahi, TakeshiEn este trabajo estudiamos métodos de aprendizaje de máquina para identificar clústeres globulares del cúmulo de galaxias de Virgo, centrado en la Galaxia Messier 87 (también conocida como M87, Virgo A o NGC 4486), en el corazón de la región de Virgo, utilizando información magnitud en las bandas visible e infrarroja y la posición obtenida de los catálogos fotométricos denominado Next Generation Virgo Survey (NGVS) y Next Generation Virgo Survey- Infrarrojo (NGVS-IR). Estos catálogos contienen información de más de 300 mil objetos celestes entre estrellas, galaxias y cúmulos. Los cúmulos globulares son grupos de estrellas muy densamente pobladas y están ubicados en el halo de las galaxias. Suelen tener colores y brillos muy similares entre sí, ya que están compuestos por estrellas de edad y tipo espectral similares. Los cúmulos globulares suelen representarse en “diagrama color-color gz-K”, los cuales permiten comparar el brillo de los objetos estelar en distintas longitudes de onda y permiten entender sus características y clasificarlos según su estructura y composición estelar. En este trabajo proponemos combinar datos de fotometría en el espectro óptico e infrarrojo con algoritmos de machine learning no supervisados para distinguir cúmulos globulares.
- ÍtemSPORTS ANALYTICS. ¿Podemos predecir el valor de mercado de un jugador?(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Iturrieta Brath, Javier Ignacio; Bravo, Loreto; Contreras, Hugo¿Cuál es el valor real de un jugador de fútbol? ¿Se paga el valor real en el mercado actual, o hay una burbuja financiera en el transfermarket? El fútbol, pasión de multitudes, y sin dudas el deporte que más recauda a nivel mundial con diferencia, es sin duda uno de los mercados más grandes e interesantes del mundo, es por eso, que predecir con un grado de confianza estadístico el valor de un jugador a futuro basado en la proyección de sus estadísticas anuales, puede terminar siendo de gran utilidad, no sólo para las entidades relacionadas, sino que para el mercado en general del fútbol donde las planillas de sueldo de los jugadores representan el ítem gasto más importante de la institución y, a su vez, una gran fuente de ingreso futuro si el rendimiento, la salud física y los resultados acompañan la temporada del jugador y el equipo, pues como se dice en el mercado de las inversiones el riesgo debe ser proporcional a la ganancia, y es en este sentido, que los jugadores de mayor redito comercial son aquellos que logran un rendimiento sobre la media, a pesar de las condiciones generales que le rodean y sobre todo, los factores externos que afectan el resultado final y por ende, elevan el riesgo de la operación, con esto entiéndase lesiones, capacidad de adaptación e incluso la relevancia familiar en este mismo. Es en este punto, donde la predicción de un valor logra mayor relevancia, porque al igual que cualquier inversión, independiente de la magnitud de la misma, implica el riesgo ya mencionado, por lo que una herramienta que nos dé un valor estimado con un grado alto de confianza puede sentar a lo menos el mínimo esperable como retorno, lo que permite pasar de un modelo estimativo sobre variables inciertas, a un modelo predecible y con variables ciertas. La propuesta, es que las variables estadísticas extraídas de los partidos en los cuales el jugador participó, permiten establecer con un grado de confianza estadístico, el valor futuro que tendrá el jugador en el mediano y largo plazo, siempre que podamos proyectar, incluso en términos lineales, las estadísticas relevantes por partido de un jugador, pues la pregunta finalmente es, en que grado se relacionan las estadísticas de partido en el mundo del fútbol con el valor de transferencia de mercado de ese jugador, existe realmente esta relación o hay factores que cobran mayor relevancia a la hora de definir cuánto vale un jugador en el minuto que es comprado. Y es en este sentido, que se propone un modelo de análisis basado en aprendizaje supervisado, que tome las variables de partido de cada jugador para realizar una regresión sobre los datos y me permita proyectar a futuro el valor del jugador en base a sus estadísticas actuales, buscando una mayor consistencia en el valor de los jugadores y sus transacciones, y eliminando el contexto y variabilidad de mercado que pueden moverse por múltiples factores, no necesariamente relacionados al fútbol, y que por ende, puede ser más consistente en el tiempo y los valores proyectados de los jugadores.
- ÍtemAlgoritmos de comparación para elegir un automóvil. Las personas compran autos chinos como su primera opción.(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Cestari Osal, Verónica; Lobos Muñoz, Adolfo Andrés; Candia, CristianEste documento muestra cómo podemos determinar la preferencia de los consumidores Chilenos para comprar un vehículo de procedencia China por sobre el de otro país. Las costumbres apuntan que las personas son tradicionales en nuestro país y cuando un producto nuevo ingresa al mercado se hace difícil su penetración y esto no ha sido la excepción de los vehículos de origen Chino.
- ÍtemSegmentación de clientes para una empresa automotriz: análisis de uso de comunidades en la segmentación(Universidad del Desarrollo. Facultad de Ingeniería, 2022) Niccoli Merello, Franco; Venegas Díaz, José; Astroza Tagle, Alonso; Candia, Cristian; Asahi, TakeshiEl presente trabajo se centra en segmentación de una empresa automotriz Chilena, en el cual se busca comprender si un método de segmentación de Machine Learning(k-mean) se ve potenciado con el uso de comunidades obtenida desde la ciencia de redes (Algoritmo de Louvain). Para ello se probaron dos escenarios, con y sin presencia de comunidades. En dichos escenarios se analiza el perfilamiento de los segmentos, basándo se en la concentración de los valores de las variables en cada segmento. Por otro lado, se utilizan los resultados tanto del segmento como el de las comunidades para poder estimar el número de vehículos que tuvo cada cliente en el periodo evaluado. Los resultados obtenidos muestran evidencia a favor de que el uso de comunidades potencia la segmentación cuando se utiliza el algoritmo de k-means en una empresa particular del mercado Chileno.
- ÍtemOptimización de la ubicación de buses de acceso a colegio en Vitacura(Universidad del Desarrollo. Facultad de Ingeniería, 2023) Caroca Céspedes, Cristian; Klein Godoy, Nicolás; Bravo , LoretoEl objetivo de este trabajo es establecer la ubicación de buses de acercamiento para un colegio ubicado en la comuna de Vitacura, a través del análisis del tráfico móvil, capturado por antenas móviles de una compañía de teléfonos. Se busca disminuir el tráfico en la zona de entrada del establecimiento, el cual además está ubicado en la intersección de 4 autopistas. Este documento está dividido en 7 capítulos. El primero es la introducción, la cual da cuenta de los estudios que se han realizado en torno a los datos recogidos desde las antenas de móviles, cómo estos sirven para determinar comportamiento de desplazamiento de las personas y cómo se puede estimar, con una alta probabilidad, el domicilio del individuo. Estos dos aspectos son fundamentales para plantear la forma de resolver el problema materia del documento. El segundo capítulo describe los trabajos a partir de los cuales se apoya la hipótesis de este documento. El tercer capítulo plantea el origen del problema que queremos abordar, define la hipótesis que se requiere resolver y por ultimo establece 2 objetivos específicos que también se busca obtener una aproximación a la solución. El capítulo cuatro aborda la estructura de los datos que utilizamos en este trabajo, el origen y la conformación de estos, para luego profundizar en el tratamiento que se debió utilizar, cuales fueron los distintos procesos y filtros para lograr dar con la información que permitiera abordar el problema, también se realiza una breve descripción acerca de las librerías de Python que utilizamos en cada etapa. El quinto capítulo versa acerca de los resultados obtenidos, tanto gráficos como estadísticos. Se explica el detalle del uso de los criterios definidos para modelar el problema y obtener un resultado que sea satisfactorio. En el sexto capítulo están las conclusiones del trabajo. También describe las limitaciones que tuvimos en el desarrollo de la hipótesis y plantea escenarios para la aplicación futura del análisis en que se basó el resultado encontrado. El séptimo capítulo enumera los trabajos sobre los cuales se definen los principales criterios para darle consistencia teórica a los supuestos y estimaciones que se utilizan para dar con una solución al problema.