<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
<title>Escuela de Tecnologías de Información</title>
<link href="xmlui/handle/123456789/122" rel="alternate"/>
<subtitle>Producción académica de la escuela.</subtitle>
<id>xmlui/handle/123456789/122</id>
<updated>2026-11-19T20:48:48Z</updated>
<dc:date>2026-11-19T20:48:48Z</dc:date>
<entry>
<title>Estimación del cumplimiento de entrega de productos al cliente final para una empresa privada utilizando aprendizaje automático</title>
<link href="xmlui/handle/123456789/783" rel="alternate"/>
<author>
<name>Brenes Núñez, Marilyn</name>
</author>
<id>xmlui/handle/123456789/783</id>
<updated>2026-11-06T21:18:10Z</updated>
<published>2022-03-01T00:00:00Z</published>
<summary type="text">Estimación del cumplimiento de entrega de productos al cliente final para una empresa privada utilizando aprendizaje automático
Brenes Núñez, Marilyn
Contexto: El uso de aprendizaje automático en terrenos de la cadena de suministro es un tema muy reciente y por su naturaleza debe de ser personalizado por tipo de industria y empresa. Conocer por qué las entregas prometidas al cliente no cumplieron el tiempo pactado, es el nicho de comercialización de miles de directores y consultores externos. Una característica principal en este tema es la alta variabilidad de causas, ya que pueden ser influenciadas por estacionalidad, mejoras implementadas por el negocio, fenómenos esporádicos o mal planeamiento operativo tanto interna como externamente. La idea de este proyecto fue estudiar las variables que, según juicio experto, explican o explicarán el atraso inminente de una entrega, resultado en un modelo predictivo que califica si un pedido será entregado a tiempo o no, de uso replicable para nuevos ingresos de pedidos. Objetivo: Estimar el cumplimiento de la entrega de producto al cliente final para una empresa privada utilizando aprendizaje automático. Método: Uso variado de metodologías: Lean Six Sigma, CRISP-DM y enfoque alternativo. Resultado: Este tipo de tecnología fue usada por vez primera en el equipo de la empresa patrocinadora, el efecto causado fue la apertura de rigurosos proyectos paralelos de seguimiento y mitigación, además, de la futura implementación del modelo en ambientes de producción. Conclusión: Este proyecto inició con un análisis retrospectivo que se convirtió en una herramienta predictiva con oportunidad de revolucionar la estimación en tiempos de entrega prometiendo fortalecer la relación cliente – empresa.
</summary>
<dc:date>2022-03-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Evaluación de la aplicabilidad de algoritmos predictivos orientados a potenciar el rendimiento académico del estudiantado que ingresa cada año a la Carrera de Informática de la Sede del Atlántico de la Universidad de Costa Rica, con el fin de que sirvan como base para una propuesta institucional de mejora académica mediante los resultados”</title>
<link href="xmlui/handle/123456789/782" rel="alternate"/>
<author>
<name>Herrera Sánchez, Rolando de Jesús</name>
</author>
<id>xmlui/handle/123456789/782</id>
<updated>2026-11-06T21:12:02Z</updated>
<published>2021-12-01T00:00:00Z</published>
<summary type="text">Evaluación de la aplicabilidad de algoritmos predictivos orientados a potenciar el rendimiento académico del estudiantado que ingresa cada año a la Carrera de Informática de la Sede del Atlántico de la Universidad de Costa Rica, con el fin de que sirvan como base para una propuesta institucional de mejora académica mediante los resultados”
Herrera Sánchez, Rolando de Jesús
El aprovechamiento de los datos que se almacenan todos los años en instituciones de educación ha crecido en los últimos años. Cada vez existen más y mejores herramientas tecnológicas que permiten controlar, de mejor manera, el almacenamiento de datos, en este caso información académica y personal de cada estudiante matriculado. Lamentablemente, aunque el aprovechamiento de estos datos es cada vez mayor, no se saca el provecho que debe. Predecir el rendimiento de un estudiante, detectar comportamientos en carreras universitarias (como la cantidad de estudiantes que suelen reprobar un curso y las causas) permite un mejor aprovechamiento de los recursos que se tienen. El objetivo de este trabajo consiste en determinar la aplicabilidad de las técnicas de minería de datos y aprendizaje automático como base de una eventual propuesta institucional que permita mejorar el rendimiento de las personas estudiantes de Informática de la Sede del Atlántico de la Universidad de Costa Rica mediante la implementación de diferentes modelos de algoritmos predictivos. En pleno auge de la minería de datos y el aprendizaje automático, se pretende aprovechar diferentes técnicas para generar modelos que permitan aprovechar los conjuntos de datos de los que ya dispone la Universidad y predecir comportamientos o detectar patrones en los datos que permitan atacar posibles problemas que existan.
</summary>
<dc:date>2021-12-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Confección del agrupamiento de clientes mediante clustering para el departamento de procesamiento de pagos de GBS Data Corporation S.A. con el fin de minimizar la tasa de transacciones rechazadas por parte de las entidades financieras</title>
<link href="xmlui/handle/123456789/778" rel="alternate"/>
<author>
<name>Toruño Brenes, Eduardo</name>
</author>
<id>xmlui/handle/123456789/778</id>
<updated>2026-11-05T21:16:19Z</updated>
<published>2021-04-01T00:00:00Z</published>
<summary type="text">Confección del agrupamiento de clientes mediante clustering para el departamento de procesamiento de pagos de GBS Data Corporation S.A. con el fin de minimizar la tasa de transacciones rechazadas por parte de las entidades financieras
Toruño Brenes, Eduardo
Elegir de forma imprecisa una entidad financiera para procesar los pagos de los clientes con dinero electrónico puede ser altamente probable, sobre todo cuando no se cuenta con un medio que considere el comportamiento que estas entidades puedan tener a partir de una serie de factores como prevención de fraude, legislaturas bancarias y política de negocio, entre otras. El impacto en la rentabilidad y credibilidad a raíz de lo anterior pueden llegar a ser muy altos, especialmente si no se dispone de clusters de clientes debidamente confeccionados que le permitan al área de procesamiento de pagos de la organización conocer con exactitud en qué grupo se ubica el cliente y cómo esto le puede ayudar a seleccionar de forma precisa la entidad financiera por donde procesar un pago. El objetivo de este trabajo consiste en presentar el proceso investigativo para llevar a cabo la confección del agrupamiento de clientes mediante la técnica de clustering, utilizando un conjunto de datos a partir de un almacén de datos con fines analíticos que posee la organización; asimismo, evaluando y seleccionando elementos como el algoritmo de agrupación que se adecua de mejor manera al entorno de la entidad donde se lleva a cabo este proceso. El resultado final de este trabajo consiste en la confección del agrupamiento de clientes y un programa informático para la elaboración del mismo. Componentes de varias tecnologías, el aprendizaje automático no supervisado y el algoritmo de agrupamiento K-Means son elementos aplicados para lograr el resultado antes descrito.
</summary>
<dc:date>2021-04-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>Análisis para la centralización del dato Cliente en una empresa financiera líder</title>
<link href="xmlui/handle/123456789/777" rel="alternate"/>
<author>
<name>Jiménez Gómez, Hugo Esteban</name>
</author>
<id>xmlui/handle/123456789/777</id>
<updated>2026-11-05T21:10:50Z</updated>
<published>2020-10-01T00:00:00Z</published>
<summary type="text">Análisis para la centralización del dato Cliente en una empresa financiera líder
Jiménez Gómez, Hugo Esteban
En la actualidad, se buscan técnicas sobre cómo aplicar el conocimiento a la vida real, cómo crear repositorios de datos adecuados y funcionales y cómo vivir en un mundo sin ambigüedades o redundancias. Sin embargo, surgen preguntas como cuán fácil es llevar la teoría a la práctica y si es posible crear ese mundo ideal en una empresa financiera madura. Este trabajo desarrolla una investigación para determinar la dificultad de centralizar el dato cliente en una empresa madura y sólida. Para esto se validan cuáles procesos o metodologías son apropiadas para centralizar el principal activo de información que tiene la compañía, el cliente. Al final de este estudio se tendrá un análisis de la mejor forma de llevar a cabo este proceso, sin que eso signifique perderse en el intento.
</summary>
<dc:date>2020-10-01T00:00:00Z</dc:date>
</entry>
</feed>
