Aplicación de tecnologías de aprendizaje automático para predecir negocios y tomar decisiones empresariales (Record no. 57331)

MARC details
000 -CABECERA
campo de control de longitud fija 03457nam a2200253 a 4500
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL
campo de control AR-LpUFIB
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN
campo de control 20250312143620.0
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL
campo de control de longitud fija 230201s2021 ag a om 000 0 spa d
024 8# - Otro identificador estandar
Número estándar o código DIF-M8264
-- 8484
-- DIF007557
040 ## - FUENTE DE LA CATALOGACIÓN
Centro catalogador/agencia de origen AR-LpUFIB
Lengua de catalogación spa
Centro/agencia transcriptor AR-LpUFIB
100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA
Nombre de persona Joakin, Ignacio
245 10 - MENCIÓN DE TÍTULO
Título Aplicación de tecnologías de aprendizaje automático para predecir negocios y tomar decisiones empresariales
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Fecha de publicación, distribución, etc. 2021
300 ## - DESCRIPCIÓN FÍSICA
Extensión 1 archivo (2,3 MB) :
Otras características físicas il. col.
502 ## - NOTA DE TESIS
Nota de tesis Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.
505 0# - NOTA DE CONTENIDO CON FORMATO
Nota de contenido con formato Capítulo 1 - Toma de decisiones -- Componentes de la toma de decisiones -- Tipos de decisiones -- Capítulo 2 - Arquitectura de software en aplicaciones empresariales -- Separation of concerns - Separación de preocupaciones / arquitectura de responsabilidad única -- N-tier architecture -- Arquitectura basada en microservicios (Microservices architecture) -- Stateless services architecture (Arquitectura de servicios sin estado) -- Inversión de control e Inyección de dependencias -- .NET Foundation -- Entity Framework -- Code-First Workflow -- Angular: -- Capítulo 3 - Machine learning (aprendizaje automático) -- Surgimiento del Machine Learning -- Definición de aprendizaje automático -- Algunos ejemplos que hoy utilizan algunas empresas -- Pasos para crear modelos de ML -- Tipos de aprendizajes -- Aprendizaje supervisado -- Aprendizaje no supervisado -- Aprendizaje semi-supervisado -- Análisis descriptivo -- Análisis predictivo -- Capítulo 4 - Deep Learning -- ¿Por qué es importante el Deep Learning hoy en día? -- Definición de redes feedforward -- Redes neuronales y la back propagación: -- Capítulo 5 – Implementación del sistema de logística de productos -- 3Arquitectura de la solución -- Control de código fuente: -- Portal de manejo de productos: -- Portal de ventas -- Módulo de servicios -- Módulo de simulación de ventas y machine learning -- Módulo de procesamiento Machine Learning. (Pronóstico de Ventas Diarias con Redes Neuronales) -- Tensor Flow -- Serie temporal -- Creamos la Red Neuronal Artificial -- Ejecución del módulo de Deep learning -- Predicciones y movimientos de productos entre países -- Modelo de Base de datos SQL Server -- Capítulo 6.- Conclusión -- Capítulo 7 - Trabajos futuros y limitaciones -- Más allá del aprendizaje automático: aprendizaje profundo y sistemas adaptativos bio-inspirados -- Limitaciones del Deep learning -- Mejora del modelo de Series Temporales con Múltiples Variables y Embeddings -- Anexo 1 - Inteligencia Artificial y sus orígenes -- Orígenes de la inteligencia artificial y aprendizaje automático -- Anexo 2 - Redes Neuronales -- El modelo Biológico -- La Neurona artificial -- Estado de activación -- Conexiones entre neuronas -- Algoritmo de aprendizaje de perceptrones -- Neuronas Sigmoides -- Anexo 3 - Big Data y Data mining -- Diferencia entre sistemas convencionales y sistemas basados en big data -- Big Data y Data Science -- Bibliografía -- Páginas de referencia -- 4Cursos on-line
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada ARQUITECTURA DE SOFTWARE
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada INTELIGENCIA ARTIFICIAL
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada APRENDIZAJE AUTOMÁTICO
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado decisión
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Pons, Claudia Fabiana ,
-- Director/a
856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS
Identificador Uniforme del Recurso <a href=" http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2199"> http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2199</a>
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA)
Tipo de ítem Koha Tesis de posgrado
Holdings
Estado de retiro Estado de pérdida Estado dañado Disponibilidad Biblioteca permanente Biblioteca actual Fecha de adquisición Número de inventario Total de préstamos Signatura topográfica completa Código de barras Fecha visto por última vez Precio válido a partir de Tipo de ítem Koha Colección Identificador Uniforme del Recurso
      Préstamo a domicilio Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025 DIF-04958   TES 21/18 DIF-04958 11/03/2025 11/03/2025 Tesis de posgrado    
      Recurso en Línea Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025         11/03/2025 11/03/2025 Tesis de posgrado Biblioteca digital http://sedici.unlp.edu.ar/handle/10915/127018
      Recurso en Línea Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025         11/03/2025 11/03/2025 Tesis de posgrado Biblioteca digital http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2199