Desarrollo de Dashboard Interactivo para la interpretación de modelos de aprendizaje automático aplicados a la vocación profesional en bachilleres.

Abstract

En el presente documento se realizó una investigación para el desarrollo de un Dashboard interactivo para la interpretación de modelos de aprendizaje automático aplicados a la vocación profesional de jóvenes bachilleres de la República del Ecuador. Por medio de Machine Learning se encontró que el algoritmo de regresión lineal se ajusta a los requerimientos del proyecto, puesto que está basado en predicciones. Asímismo, el algoritmo Softmax se encargó del proceso de clasificación de los datos ingresados. El enfoque de este proyecto se basa en el ciclo de vida de todos los procedimientos que éste realiza, en cuanto a la investigación relacionada de Machine Learnig. Además, para el tipo de investigación bibliográfica, se utilizó el modelo exploratorio. Por ende, el contenido de esta investigación está relacionado con el lenguaje de programación Python ya que facilita la interpretación de los algoritmos elegidos. El presente trabajo beneficiará a los estudiantes de tercer año de bachillerato y a las unidades educativas que deseen implementar este programa.

In this document, an investigation was carried out for the development of an interactive Dashboard for the interpretation of machine learning models applied to the professional vocation of young high school graduates from the Republic of Ecuador. Through Machine Learning it was found that the linear regression algorithm adjusts to the requirements of the project, since it is based on predictions. Likewise, the Softmax algorithm was in charge of the classification process of the entered data. The focus of this project is based on the life cycle of all the procedures it performs, in terms of related Machine Learnig research. In addition, for the type of bibliographic research, the exploratory model was used. Therefore, the content of this research is related to the Python programming language since it facilitates the interpretation of the chosen algorithms. This work will benefit third-year high school students and educational units that wish to implement this program.