Examinando por Autor "Lip Curo, Guadalupe Teresa"

Mostrando 1 - 7 de 7

Desarrollo de un sistema inteligente web basado en redes neuronales artificiales para la predicción del riesgo de mortalidad del COVID-19
(Universidad Católica Santo Toribio de Mogrovejo, 2023) Mondragon Silva, Sergio Alexander; Mondragon Silva, Sergio Alexander; Lip Curo, Guadalupe Teresa
El presente trabajo de investigación surge ante el problema mundial de la pandemia del COVID-19, de tal manera, esta investigación tiene como objetivo general el implementar una solución basada en redes neuronales artificiales para predecir el riesgo de mortalidad de la COVID-19 en pacientes infectados, utilizando datos de una clínica de la ciudad de Chiclayo. Así, se decidió utilizar la metodología Scrum para la gestión del proyecto de investigación y para el modelado de la red neuronal artificial (RNA) se siguió la metodología de desarrollo utilizada en la investigación de I. Kaastra y M. Boyd incluyendo ciertas mejoras de la metodología utilizada en la investigación de Abdulaal A et al. En consecuencia, este proyecto generó una herramienta médica la cual es accesible a través de cualquier navegador web y cuenta con dos RNA implementadas las cuales tienen la capacidad de aprender de nuevos registros clínicos ingresados. La mejor RNA implementada tiene una exactitud del 82.72%, AUROC de 88.48%, desviación estándar de 0.0848 y un F1Score de 83.72%; además, este sistema web fue validado para el diagnóstico con las siguientes métricas médicas: 85.71% de sensibilidad. 79.48% de especificidad y un AUROC del 88.48%. Así pues, del desarrollo de esta herramienta se concluye que para identificar la correcta arquitectura e hiperparámetros se deben generar diferentes iteraciones de entrenamiento de la RNA; asimismo, en cada iteración se debe utilizar diferentes combinaciones de arquitectura e hiperparámetros calculando las métricas de exactitud, F-measure, AUROC y desviación estándar. Finalmente, se podrá elegir a la combinación con las mejores métricas.
Sistema de reconocimiento de texto mecanografiado mediante redes neuronales para la gestión de boletas de pago en la Ugel Ferreñafe
(Universidad Católica Santo Toribio de Mogrovejo, 2024) Bonilla Vilchez, Jonathan Alonso; Bonilla Vilchez, Jonathan Alonso; Lip Curo, Guadalupe Teresa
En este proyecto, se llevó a cabo un estudio con el objetivo de desarrollar un sistema de reconocimiento óptico de caracteres (OCR) diseñado para identificar y almacenar la información de las boletas de pago de docentes en la UGEL Ferreñafe. Esto se debió a la necesidad de agilizar la búsqueda de boletas en formato físico, un proceso que, en ocasiones, podía llevar semanas y requerir la contratación de personal adicional. Esta problemática impulsó la búsqueda de una solución eficaz y rentable. Siguiendo las metodologías SCRUM y CRISP-DM, se optó por utilizar Redes Neuronales (RN) como la técnica principal. Esta elección se basó en investigaciones previas y tendencias identificadas en Google Trends. El objetivo fundamental era alcanzar un porcentaje de error bajo en la tasa de caracteres reconocidos, y se logró un hito significativo del 1.8%, a pesar de la degradación de la tinta en muchas boletas debido al paso del tiempo. Para evaluar la usabilidad del sistema, se aplicó la escala SUS (System Usability Scale), y el sistema obtuvo una puntuación de 80, superando las expectativas iniciales. Esto resalta la alta usabilidad y satisfacción de los usuarios finales con la aplicación desarrollada.
Sistema experto para apoyar en la correcta planificación de la estimulación temprana de niños entre las edades de 0-3 años
(Universidad Católica Santo Toribio de Mogrovejo, 2016) Lip Curo, Guadalupe Teresa; Lip Curo, Guadalupe Teresa; Alonso Pérez, Eduardo Francisco
En la actualidad la estimulación temprana de infantes entre las edades de 0-3 años no se está llevando a cabo de manera correcta ya que se plantea únicamente una estimulación estándar y no personalizada para poder atender las necesidades propias de cada menor. Esta situación se da dado que solo se cuenta con una especialista, encargada de transmitir la forma correcta a los padres de cómo llevar a cabo las actividades estimulantes y además por ser la única persona capacitada en el centro para lograr determinar el avance del menor y por ser la evaluación larga y tediosa para los niños, estos son únicamente evaluados, de manera completa, dos veces al año. Con el objetivo de poder apoyar en la correcta estimulación de los menores, se plantea desarrollar un sistema experto que contenga por base de conocimiento los factores necesarios para lograr determinar las actividades personalizadas y a la vez ir evaluándolos de manera permanente para poder detectar si el menor tiene algún retraso según su edad cronológica y mental.
Sistema inteligente basado en machine learning para apoyar la optimización de la planificación logística en la empresa Héctor Ocaña Izquierdo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Bellasmil Farroñan, Christian Paul; Lip Curo, Guadalupe Teresa
Este proyecto tuvo como objetivo desarrollar un sistema inteligente basado en machine learning para optimizar la planificación logística en la empresa Héctor Ocaña Izquierdo. Para ello, se construyeron dos modelos principales: el primero, centrado en la predicción de demanda, utilizando redes neuronales LSTM, alcanzó una precisión del 93.83%. Este modelo permitió anticipar la demanda futura de manera precisa, facilitando la planificación de recursos. El segundo modelo se enfocó en la optimización de rutas logísticas, logrando una precisión del 99.08%. La combinación de ambos modelos proporcionó una interoperabilidad total, lo que mejoró significativamente la asignación de recursos y redujo los costos operativos, permitiendo una optimización de los tiempos de entrega y mejorando la eficiencia general del sistema. Los resultados obtenidos demostraron una mejora sustancial del 24.5% en tiempos de conducción, mostrando también una reducción del 34.47% en el recorrido. El sistema fue validado mediante pruebas de desempeño, alcanzando una fiabilidad del 99.44% en condiciones de operación continua, y una tasa de defectos por ejecución del 0.08 lo que confirmó su estabilidad y robustez para su implementación en entornos logísticos reales. Además, se desarrolló una plataforma web para facilitar la interacción en tiempo real y la gestión de las operaciones logísticas, alcanzando un 93.68% de satisfacción por parte de los usuarios, según las encuestas de satisfacción realizadas al final del proceso.
Sistema inteligente de apoyo al diagnóstico de preeclampsia en mujeres embarazadas en zonas rurales de Santa Cruz, Cajamarca
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Barturen Trujillano, Eliana Lizeth; Lip Curo, Guadalupe Teresa
En el presente trabajo se evidencia el desarrollo de un sistema inteligente de apoyo al diagnóstico de preeclampsia en mujeres embarazadas que residen en zonas rurales en un centro de salud en Santa Cruz. Para ello, se realizaron encuestas dirigidas a especialistas y gestantes para conocer cómo tradicionalmente se detecta la preeclampsia y cómo la asistencia a los controles prenatales se vinculan a esta. Por otro lado, para cumplir con los objetivos se siguió la metodología del ciclo de vida de Machine Learning la cual permitió el análisis de algoritmos que se relacionen con el proyecto; tomando en cuenta características como, algoritmos de clasificación con tipo de aprendizaje supervisado; del mismo modo, la metodología del Ciclo de vida Modelo Mobile Sprint (MMS) que permitió la integración del modelo en una aplicación móvil y la implementación de la interfaz de usuario. Posteriormente, se validó el modelo seleccionado para la predicción de preeclampsia, para ello, el algoritmo seleccionado fue Random Forest con un porcentaje de precisión del 85%. Finalmente, una gestante y una obstetra utilizaron el sistema inteligente, para así poder evaluar su usabilidad y calidad del producto, esto mediante una encuesta basado en la ISO25010. Por tal motivo, la implementación de este sistema inteligente ha permitido el diagnóstico temprano de preeclampsia en gestantes que residen en zonas rurales, debido a que estas tienden a tener limitaciones de acceso a controles prenatales tradicionales, haciendo que la detección de enfermedades no se detecte a tiempo.
Sistema tutor inteligente para fortalecer el aprendizaje de comprensión lectora, en el segundo grado de primaria de la I.E 11050 Rómulo Cabrera Chilcon
(Universidad Católica Santo Toribio de Mogrovejo, 2024) Saavedra Apagüeño, Cheril; Saavedra Apagüeño, Cheril; Lip Curo, Guadalupe Teresa
Fomentar la lectura se ha convertido en uno de los desafíos primordiales en el ámbito educativo, y en este contexto se identificó deficiencia en comprensión lectora, teniendo como objetivo general implementar un Sistema Tutor Inteligente (STI) para fortalecer el aprendizaje de comprensión lectora en el segundo grado de primaria en la I.E 11050 Rómulo Cabrera Chilcon. El STI se desarrolló siguiendo el marco de trabajo SCRUM y la metodología CRISP DM. De acuerdo con los resultados el STI es un sistema especializado, personalizado que clasifica el nivel de aprendizaje en el que se encuentra cada estudiante y así mismo enviándoles a un módulo diferente (nivel de inicio, proceso, satisfactorio), también se aplicó el modelo Alicia y modelo de evaluación ECE, la cual ayudó a identificar en qué nivel requiere mejoras y así mismo brinda opciones de retroalimentación. El STI, cuenta con un chatbot, donde se empleó el modelo idóneo de redes neuronales artificiales multicapa, la cual permite que el chatbot interactúe con el estudiante brindándole definiciones y significado de una palabra que desconozca, el chatbot puede proporcionar definiciones y significados según Real Academia Española (RAE), para ayudar a comprender mejor el texto. Finalmente, el STI fue validado a través de juicios de expertos, brindando un 98 % de grado de satisfacción considerando la característica de adecuación funcional de la norma IEC 25010: 2015.
Sistema web basado en reglas de asociación para apoyar en el proceso de ventas de la empresa Ayala Motors, 2022
(Universidad Católica Santo Toribio de Mogrovejo, 2024) Ulloque Ayala de Iman, Norma Lila; Ulloque Ayala de Iman, Norma Lila; Lip Curo, Guadalupe Teresa
El presente trabajo de investigación, surge a partir del incumplimiento de ventas proyectadas de la empresa Ayala Motors y la carencia de una herramienta tecnológica que apoye al vendedor. Para ello se planteó el objetivo de implementar un sistema web basado en un algoritmo de reglas de asociación para apoyar en el proceso de ventas de la empresa Ayala Motors. En consecuencia, se realizó un estudio de tipo aplicado, siguiendo la metodología CRISP-DM para el modelado del algoritmo de reglas de asociación y el marco de trabajo SCRUM para el desarrollo del sistema web; adicionalmente, se empleó un modelo de algoritmo de reglas de asociación A PRIORI, para la parte del módulo de recomendación del sistemas web y, para el desarrollo del sistema web recomendador, se utilizaron las herramientas principales como el Google colab, Python, Visual studio code, PHP, Laravel, PostgreSQL. En cuanto a la precisión del modelo de algoritmo de reglas de asociación, se obtuvo un valor Lift mayor a 1 (indicador de asociación positiva) y una confianza de antecedente a consecuente mayor a 80% en cada una de las reglas; además, se obtuvieron resultados positivos en las pruebas de caja negra y caja blanca. Finalmente se concluye que, se logró implementar un sistema web recomendador de alta calidad, puesto que se evaluó mediante encuesta basada en ISO 25000 y por juicio de expertos; lo cual hace que esta investigación sea de suma importancia para ser utilizada por empresas del rubro de motos y repuestos.