Estudio comparativo de algoritmos de inteligencia artificial y mineria de datos enfocados a la toma de decisiones empresariales de seleccion de personal
dc.contributor.author | Romero Romero, Cesar Alejandro | |
dc.date.accessioned | 2018-07-30T15:23:32Z | |
dc.date.available | 2018-07-30T15:23:32Z | |
dc.date.issued | 2018-05-28 | |
dc.description.abstract | RESUMEN :El presente trabajo de tesis cuyo objetivo es la toma de decisiones empresariales mediante técnicas de machine learning, responde a la importancia que ejercen estas decisiones dentro de las organizaciones dado que en este proceso se aíslan todas las posibles rutas de solución en el momento que se define un plan de acción. Usualmente la totalidad de variables o procesos internos que se verán involucrados en dicha solución no son conocidos, de hecho, el porcentaje usual de conocimiento sobre la situación específica es del 40% al 70%, esta brecha es la recomendable para tomar la decisión dado que obtener el 100% de la información implica un retardo significativo para que esta sea efectiva o ejerza un impacto notorio (Colin Powel). Desde esta perspectiva, la abstención de decisiones para generar ideas, también cuenta como “la que más afecta las organizaciones” no permitiendo que se adquiera experiencia y por lo tanto, cuando se deba enfrentar un nuevo reto terminara de la forma errónea. ABSTRACT: Machine learning es un conjunto de técnicas algorítmicas que se aplican a la descripción de un problema con base en el aprendizaje autónomo, siendo la mejor opción para problemas específicos y de crecimiento exponencial en la mayoría de organizaciones, como la selección de personal. La selección de personal se realiza actualmente de forma manual aplicando una serie de reglas ordenadas empleando herramientas informáticas en las cuales se repite el proceso una y otra vez hasta conseguir un resultado esperado, pero de esta forma se ignora una serie de variables que pueden influir fuertemente en la perfilación correcta. El estudio exploratorio de los algoritmos trae consigo una clasificación de estos, el enfoque en que mejor se desenvuelven y aún más importante los resultados en cuanto a características tales como fortalezas, debilidades, tiempo de ejecución, facilidad de implementación, etc. Se dará lugar al diseño de un modelo de sistema inteligente que permita una demostración sobre la toma de decisiones en contratación de personal, mediante la aplicación de los algoritmos de clasificación más adecuados según el estudio previo. El diseño estará sustentado en el estudio comparativo, finalmente, se construirá un software a partir del diseño generado para la toma de decisiones dentro de una organización que permitirá realizar la tarea de forma eficiente y mejorada respecto a los métodos tradicionales usados en la actualidad por las distintas áreas de la organización especialmente la selección de persona | en_EN |
dc.description.sponsorship | Extensión Facatativá | en_EN |
dc.identifier.uri | http://hdl.handle.net/20.500.12558/1086 | |
dc.language.iso | es | en_EN |
dc.relation.ispartofseries | TGISFA18;69 | |
dc.subject | Inteligencia artificial | en_EN |
dc.subject | Minería de Datos | en_EN |
dc.subject | Selección de Personal | en_EN |
dc.subject | Artificial intelligence | en_EN |
dc.subject | Data Minig | en_EN |
dc.title | Estudio comparativo de algoritmos de inteligencia artificial y mineria de datos enfocados a la toma de decisiones empresariales de seleccion de personal | en_EN |
dc.type | Thesis | en_EN |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- ESTUDIO COMPARATIVO DE ALGORITMOS DE INTELIGENCIA ARTIFICIAL Y MINERIA DE DATOS ENFOCADOS.pdf
- Size:
- 2.29 MB
- Format:
- Adobe Portable Document Format
- Description:
No Thumbnail Available
- Name:
- trabajo de grado.zip
- Size:
- 96.09 MB
- Format:
- Unknown data format
- Description:
No Thumbnail Available
- Name:
- FORMATO REPOSITORIO.pdf
- Size:
- 1.28 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: