Ingeniería de Tecnologías de Información y Sistemas
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/4166
Examinar
4 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Propuesta de modelo predictivo para la detección de fraude en mensajes de texto mediante el uso de Redes Neuronales Recurrentes(Universidad ESAN, 2024) Salinas Bolaños, Yair AndreyEl smishing, o fraude por mensajes de texto, se ha vuelto un problema creciente en el país, debido a la falta de mecanismos adecuados para detectar mensajes fraudulentos, lo que ha generado que muchos ciudadanos sean víctimas de estafa al recibir estos tipos de mensajes. El estudio tuvo como objetivo encontrar el mejor clasificador de fraude en mensajes de texto en el contexto peruano, para lo cual se recolectaron 527 imágenes de las que se obtuvieron 1740 mensajes, etiquetados manualmente como FRAUDE o LEGITIMO, basándose en recomendaciones de entidades públicas/privadas, y validadas por una experta en fraude del rubro de telecomunicaciones; posteriormente, se integraron con bases en otros idiomas, logrando un total de 4475 registros. Los mensajes fueron vectorizados con Word2Vec y FastText. Finalmente, se entrenaron algoritmos de Redes Neuronales Recurrentes (RNN, LSTM, GRU) y combinaciones con CNN para identificar el mejor modelo. Los resultados evaluados con Accuracy, Precision, Recall, F1-score y AUC evidenciaron que el mejor clasificador fue una RNN de 3 capas (200, 160, 1) usando el embedding FastText-NewL de 300 dimensiones, alcanzando 85.62% en Accuracy, 84.49% en Precision, 88.77% en Recall, 86.57% en F1-score y 93.14% en AUC.Ítem Acceso Abierto Desarrollo de un videojuego para mejorar el nivel de comprensión lectora en estudiantes de primaria(Universidad ESAN, 2021) Machuca Breña, Alvaro RodrigoLas participaciones de Perú en las pruebas PISA han demostrado que el país posee un bajo nivel principalmente en el área de lectura quedando en la mayoría de las ocasiones en los últimos puestos. Por otro lado, el mercado de los videojuegos ha crecido de forma exponencial incrementándose en 50% el número de jugadores peruanos solamente en el primer semestre del 2020 con la aparición del coronavirus. La presente investigación consistió desarrollar un videojuego para mejorar el nivel de comprensión lectora en estudiantes de primaria. Los participantes fueron 112 estudiantes de 1ro a 6to grado de primaria con un rango de edad de 5 a 11 años. Para el desarrollo del videojuego se utilizó la metodología en cascada que incluye las fases de comunicación, planeación, modelado, desarrollo y despliegue. Los resultados revelaron que los estudiantes que utilizaron el videojuego demostraron una mejora significativa de 1.77 puntos (1er grado), 1.45 puntos (2do grado), 1.06 puntos (3er grado), 1.17 puntos (4to grado), 1.34 puntos (5to grado) y 1.17 puntos (6to grado) en las evaluaciones realizadas. Asimismo, se evidenció que más del 80% de los estudiantes tuvieron una mejora en los niveles literal e inferencial de comprensión lectora.Ítem Acceso Abierto Predicción del estado de financiamiento de proyectos de tecnología en sitio web de crowdfunding Kickstarter mediante modelo de Aprendizaje Profundo Multimodal(Universidad ESAN, 2021) Puente Ríos, Alonso AugustoDesde la aparición del crowdfunding, muchos emprendedores han presentado sus proyectos al público para conseguir su financiamiento. Durante el período 2009-2019, el 37% de proyectos de Kickstarter, una de las plataformas de financiamiento colectivo más populares, alcanzó ser financiado exitosamente. Se han estado utilizando distintas metodologías de Inteligencia Artificial, considerando todas las categorías en esta plataforma para crear modelos predictivos. Sin embargo, este ratio solo alcanza el 20% para Tecnología. El objetivo de esta investigación fue predecir el estado de financiamiento de proyectos de tecnología en Kickstarter mediante un modelo de Aprendizaje Profundo Multimodal. Siguiendo la metodología CRISP-DM, se implementó un modelo ensamblado de otros modelos de Aprendizaje Profundo para 3 modalidades: un Perceptrón Multicapa para la Metainformación, una Red Neuronal Convolucional para la descripción y un modelo LSTM Bidireccional para los comentarios de los patrocinadores. Se utilizó información de más de 27 mil proyectos de tecnología en Kickstarter entre 2009 y 2019. El modelo propuesto superó a los modelos de la base de línea en cada métrica, alcanzando un valor de 93% de AUC, su mejor desempeño. Se logró resolver el problema bajo una nueva perspectiva, además de aportar mayor conocimiento y un prototipo para apoyar a los emprendedores.Ítem Acceso Abierto Diseño de un sistema de visión computacional para el pre-diagnóstico de la enfermedad de Parkinson a partir de la escritura de una persona(Universidad ESAN, 2021) Monroy Malca, Virginia del PilarActualmente, la Enfermedad de Parkinson es la segunda enfermedad neurodegenerativa con más presencia en la población a nivel mundial, afecta directamente la calidad de vida y actividades diarias de una persona. Esta enfermedad está en aumento no solo en el Perú sino en el mundo. Por lo cual, el objetivo de la investigación es implementar un modelo de visión computacional para el pre-diagnóstico de la Enfermedad de Parkinson (EP) a partir de la escritura de una persona. El presente trabajo de investigación es de tipo experimental, explicativo y de enfoque cuantitativo, las fases son las siguientes: Aquisición, Preprocesamiento, Extracción de Características y Modelado y Clasificación. Los resultados de los experimentos alcanzan el nivel del 99% de Accuracy, 99% de Precision, 99% de Recall, 98% de F1 Score y 98% de AUC. Se concluye que, se obtuvo y construyó una base de datos que contiene los manuscritos de personas sanas y con EP. Segundo, se utilizaron técnicas de preprocesamiento, las cuales permitieron mejorar la calidad de las imágenes. Tercero, para la construcción del algoritmo, se hizo un procesamiento a las imágenes, se realizaron experimentos con descriptores SIFT, SURF, ORB y HOG para la extracción de características. Cuarto, se utilizó SVM como modelo de clasificación de Machine Learning (ML), además, se utilizaron redes convolucionales con distintas arquitecturas como VGG16, VGG19, Inception, ResNet50 y LeNet y finalmente se utilizaron técnicas que combinan las CNN + ML, con los modelos SVM, RF y KNN.
