Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.

PDF

保存先:

書誌詳細
第一著者:	Ramos Guillén, Alejandro José (author)
フォーマット:	bachelorThesis
言語:	spa
出版事項:	2021
主題:	Machine Learning Covid-19 Random Forest Svm Dificultades Económicas Pymes Economic Difficulties Smes
オンライン･アクセス:	http://repositorio.ug.edu.ec/handle/redug/56919
タグ:	タグ追加タグなし, このレコードへの初めてのタグを付けませんか!

_version_	1839327687926087680
author	Ramos Guillén, Alejandro José
author_facet	Ramos Guillén, Alejandro José
author_role	author
collection	Repositorio Universidad de Guayaquil
dc.contributor.none.fl_str_mv	Cevallos Torres, Lorenzo
dc.creator.none.fl_str_mv	Ramos Guillén, Alejandro José
dc.date.none.fl_str_mv	2021-12-02T20:01:58Z 2021-12-02T20:01:58Z 2021
dc.format.none.fl_str_mv	application/pdf
dc.identifier.none.fl_str_mv	http://repositorio.ug.edu.ec/handle/redug/56919
dc.language.none.fl_str_mv	spa
dc.publisher.none.fl_str_mv	Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.
dc.rights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv	reponame:Repositorio Universidad de Guayaquil instname:Universidad de Guayaquil instacron:UG
dc.subject.none.fl_str_mv	Machine Learning Covid-19 Random Forest Svm Dificultades Económicas Pymes Economic Difficulties Smes
dc.title.none.fl_str_mv	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
dc.type.none.fl_str_mv	info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bachelorThesis
description	PDF
eu_rights_str_mv	openAccess
format	bachelorThesis
id	UG_cbb5703dba1f2f68534170ceb86b4c84
instacron_str	UG
institution	UG
instname_str	Universidad de Guayaquil
language	spa
network_acronym_str	UG
network_name_str	Repositorio Universidad de Guayaquil
oai_identifier_str	oai:repositorio.ug.edu.ec:redug/56919
publishDate	2021
publisher.none.fl_str_mv	Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.
reponame_str	Repositorio Universidad de Guayaquil
repository.mail.fl_str_mv	.
repository.name.fl_str_mv	Repositorio Universidad de Guayaquil - Universidad de Guayaquil
repository_id_str	0
spelling	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.Ramos Guillén, Alejandro JoséMachine LearningCovid-19Random ForestSvmDificultades EconómicasPymesEconomic DifficultiesSmesPDFAnte la crisis económica a nivel mundial desatada por el COVID-19, las PYMES del sector alimenticio se han visto afectadas, por ende, es necesario buscar soluciones que puedan conllevar a la reducción del impacto financiero a corto, mediano y largo plazo. El presente trabajo investigativo, se fundamenta en diseñar un modelo predictivo que sea capaz de, a través de algoritmos de aprendizaje supervisado de Machine Learning, tomar decisiones que ayuden a evaluar las dificultades económicas de empresas PYMES enfocadas al sector alimenticio. Bajo de este criterio, está como uno de los objetivos planteados el poder recopilar datos históricos que vayan acordes al comportamiento económico y financiero de una empresa durante el transcurso de la pandemia, de tal manera que se pueda elaborar un dataset y brindar un argumento ante los expertos del área financiera. Para ello, se cuenta con la metodología Knowledge Discovery in Databases KDD que consta de seis fases que giran en torno a la importación, muestreo, calidad, transformación, modelización, evaluación e implementación de los datos; teniendo en cuenta que la última fase será llevada a cabo a nivel de Python. Mediante el uso de librerías de Python como "sklearn" se obtuvo un porcentaje de precisión (96% Random Forest y 97% SVM), escogiendo entre ambos el último algoritmo puesto que presenta mayor sencillez, precisión y eficiencia para el manejo de recursos computacionales. De esta forma y habiendo obtenido una relación entre las variables mediante el coeficiente de correlación de Pearson, las hipótesis planteadas se cumplen, logrando con este proyecto beneficiar a todos aquellos que pertenezcan o estén involucrados con la gestión y manejo de recursos financieros, económicos o contables dentro de una PYMES.Faced with the global economic crisis unleashed by COVID-19, SMEs in the food sector have been affected, therefore, it is necessary to find solutions that can lead to a reduction of the financial impact in the short, medium, and long term. The present investigative work is based on designing a predictive model that is capable of, through supervised learning algorithms of Machine Learning, making decisions that help to evaluate the economic difficulties of SMEs focused on the food sector. Under this criterion, one of the proposed objectives is to be able to collect historical data that is consistent with the economic and financial behavior of a company during the pandemic, in such a way that a dataset can be elaborated and provide an argument before the experts from the financial area. For this, the Knowledge Discovery in Databases KDD methodology is used, which consists of six phases that revolve around the import, sampling, quality, transformation, modeling, evaluation, and implementation of the data; keeping in mind that the last phase will be carried out at the Python level. Using Python libraries such as "sklearn" a percentage of precision was obtained (96% Random Forest and 97% SVM), choosing between them the last algorithm since it presents greater simplicity, precision, and efficiency for the management of computational resources. In this way and having obtained a relationship between the variables by means of the Pearson correlation coefficient, the hypotheses raised are fulfilled, achieving with this project benefit all those who belong to or are involved with the management and handling of financial, economic, or accounting resources within a SME.Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.Cevallos Torres, Lorenzo2021-12-02T20:01:58Z2021-12-02T20:01:58Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://repositorio.ug.edu.ec/handle/redug/56919spainfo:eu-repo/semantics/openAccessreponame:Repositorio Universidad de Guayaquilinstname:Universidad de Guayaquilinstacron:UG2021-12-03T08:27:26Zoai:repositorio.ug.edu.ec:redug/56919Institucionalhttp://repositorio.ug.edu.ec/Universidad públicahttps://www.ug.edu.ec/..Ecuador...opendoar:02025-08-02T06:44:40.030287Repositorio Universidad de Guayaquil - Universidad de Guayaquiltrue
spellingShingle	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19. Ramos Guillén, Alejandro José Machine Learning Covid-19 Random Forest Svm Dificultades Económicas Pymes Economic Difficulties Smes
status_str	publishedVersion
title	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
title_full	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
title_fullStr	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
title_full_unstemmed	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
title_short	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
title_sort	Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.
topic	Machine Learning Covid-19 Random Forest Svm Dificultades Económicas Pymes Economic Difficulties Smes
url	http://repositorio.ug.edu.ec/handle/redug/56919

Uso de herramientas de Machine Learning para predecir dificultades económicas en empresas Pymes del sector alimenticio de productos a base de harina de la ciudad de Guayaquil a causa de la pandemia por Covid-19.

類似資料