| dc.contributor | Albán Taipe, Mayra Susana, MsC. | |
| dc.creator | Moya Caisa, Julio Danilo | |
| dc.creator | Tapia Vega, Liliana Carolina | |
| dc.date | 2020-10-30T20:36:03Z | |
| dc.date | 2020-10-30T20:36:03Z | |
| dc.date | 2020-02 | |
| dc.date.accessioned | 2023-08-08T21:26:58Z | |
| dc.date.available | 2023-08-08T21:26:58Z | |
| dc.identifier | Moya Caisa. J.D. (2020) Un enfoque en Machine Learning en el desarrollo de sistemas recomendadores. U.T.C. Latacunga. 23 p. | |
| dc.identifier | T-001489 | |
| dc.identifier | http://repositorio.utc.edu.ec/handle/27000/6686 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8080010 | |
| dc.description | Abstract: The recommendation systems or information filtering systems are currently
widely used for commercial uses, however, the literature has identified that there is limited
use in processes oriented to research network recommendations in Higher Education
Institutions. The article proposes the design of a recommendation system for research groups,
based on user profiles, areas of knowledge and similarity characteristics. For the development
of the recommender system, the Python multiparadigm programming language was used and
the Tensor flow machine learning system was used to build and train the neural network. As
a result, an artificial intelligence system is obtained that is able to connect network data
simultaneously, easy to use and with a user-friendly interface. | |
| dc.description | Resumen: –Los sistemas de recomendación o sistemas de filtrado de
información son muy utilizados en la actualidad para usos comerciales, sin
embargo, la literatura ha permitido identificar que existen un limitado uso en
procesos orientados a recomendaciones de redes de investigación en las
Instituciones de Educación Superior. El artículo propone el diseño de un
sistema de recomendación para grupos de investigación, basado en los perfiles
de usuarios, áreas de conocimiento y características de similitud. Para el
desarrollo de la investigación y diseño del prototipo se utilizó el lenguaje de
programación multiparadigma Python y para construir y entrenar la red
neuronal se utilizó el sistema de aprendizaje automático Tensorflow. Como
resultado se obtiene un sistema de inteligencia artificial capaz de relacionar
datos en red simultáneamente, de fácil uso y con una interfaz amigable para el
usuario. | |
| dc.format | 23 páginas | |
| dc.language | spa | |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi; Facultad de Ciencias de la Ingeniería y A plicadas. | |
| dc.rights | openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | |
| dc.subject | Informática | |
| dc.subject | Sistema recomendador | |
| dc.subject | Redes neuronales | |
| dc.subject | Inteligencia artificial | |
| dc.title | Un enfoque en Machine Learning en el desarrollo de sistemas recomendadores. | |
