Maestría en Ingeniería para la Industria con Especialización en Ciencias de la Computación

Permanent URI for this collection

https://hdl.handle.net/20.500.14492/30494

Browse

Browsing Maestría en Ingeniería para la Industria con Especialización en Ciencias de la Computación by Title

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Diseño de un sistema de alerta temprana para la gestión del riesgo agroalimentario.
    (Universidad de El Salvador, Facultad de Ingeniería y Arquitectura., 2025-09-19) Mejía Contreras, Patricia Carolina; Vásquez Escalante, Rodrigo Ernesto; Quintanilla Gómez, René Fabricio; patricia.mejia@ues.edu.sv; ve91005@ues.edu.sv
    El presente trabajo se enmarca en el proyecto regional "Fortalecimiento de la gestión del riesgo en sistemas agroalimentarios que contribuye a la seguridad alimentaria y nutricional para enfrentar el cambio climático del Corredor Seco de Guatemala, El Salvador y Honduras 2023-2025", coordinado por la Secretaría de Investigaciones Científicas de la Universidad de El Salvador (SIC-UES). Este proyecto busca desarrollar un sistema de alerta temprana para el monitoreo de cultivos, orientado a prevenir pérdidas agrícolas derivadas del impacto del cambio climático en la región. Como parte de este esfuerzo, se plantea el diseño de un sistema informático que permita la recolección y análisis de datos climáticos y agrícolas en tiempo real. El sistema se enfocará en las áreas cultivables bajo el modelo MIAF (Milpas Intercaladas con Árboles Frutales), ubicadas en el campo experimental de la UES en San Luis Talpa, La Paz. El objetivo principal es construir una herramienta tecnológica que contribuya a la toma de decisiones estratégicas para agricultores, investigadores y actores clave del sector agroalimentario, mejorando la resiliencia de los sistemas de cultivo ante la variabilidad climática y promoviendo la seguridad alimentaria en las comunidades más vulnerables del Corredor Seco.
  • Thumbnail Image
    Item
    Optimización de la predicción de retención estudiantil en la educación superior: un análisis comparativo de modelos de aprendizaje automático supervisados y no supervisados
    (Universidad de El Salvador, Facultad de Ingeniería y Arquitectura, 2026-02) Argueta Bermudez, Franklin Ivan; Ortiz Cortez, Wilber Alexander; Garcia Torres, Miguel; ab10002@ues.edu.sv; oc08013@ues.edu.sv
    Esta investigación aborda el problema de la deserción estudiantil en la educación superior en El Salvador, utilizando modelos de aprendizaje automático. Para ello, se empleó un conjunto de datos históricos proveniente de una universidad privada, que incluye más de 83,000 registros de estudiantes entre los años 2019 y 2024. En la fase de análisis exploratorio, se aplicaron técnicas no supervisadas como Análisis de Componentes Principales (PCA), K-means y agrupamiento jerárquico, con el objetivo de segmentar a los estudiantes e identificar perfiles con características demográficas, académicas y económicas similares. Posteriormente, se implementaron modelos predictivos supervisados, entre ellos SVM, KNN, Random Forest, AdaBoost y XGBoost, evaluando su rendimiento mediante métricas como precisión y AUC-ROC. Los resultados indicaron que Random Forest ofrece una mayor capacidad predictiva, mientras que las técnicas de clusterización permitieron identificar grupos de riesgo sin necesidad de etiquetas previas. Se observó que los estudiantes en modalidad presencial, con bajo rendimiento académico y autofinanciamiento, presentan una mayor probabilidad de abandono. La investigación concluye que la combinación de análisis exploratorio y modelos predictivos facilita el diseño de estrategias efectivas para mejorar la retención estudiantil. Además, se destaca el valor del uso institucional de estas herramientas para desarrollar intervenciones proactivas, especialmente dirigidas a estudiantes de primer año o con condiciones académicas y económicas vulnerables.
  • Thumbnail Image
    Item
    Prototipo de Optimización y Análisis Estratégico del Registro Nacional de Personas Naturales a Través de La Inteligencia de Negocios
    (Universidad de El Salvador, Ingeniería y Arquitectura, 2024-12) BARRERA MANCÍA, LUIS SALVADOR; DOMÍNGUEZ DOMÍNGUEZ, GABRIEL ALEJANDRO; CARDONA GUTIÉRREZ, MANUEL NAPOLEÓN; bm00005@ues.edu.sv; dd21008@ues.edu.sv
    El presente prototipo se desarrolló con el objetivo de interpretar y optimizar el proceso de emisión del Documento Único de Identidad (DUI) en el Registro Nacional de las Personas Naturales (RNPN) de El Salvador. Para ello, se propone el diseño e implementación de una herramienta de Inteligencia de Negocios, que permitirá visualizar y monitorear el comportamiento de este proceso, tanto a nivel nacional como en el exterior. El estudio adopta un enfoque cualitativo y cuantitativo, utilizando métodos de análisis de datos para evaluar la eficiencia del proceso de emisión del DUI. En la fase inicial, se recopilará información relevante del proceso, seguida de la selección y adaptación de un diseño de interfaz de usuario intuitivo. La programación se ejecutará utilizando recursos tecnológicos específicos, Oracle como base de datos y Pentaho para la extracción, transformación y carga (ETL) de datos, hacia otra base de datos en MySQL. En la Dirección de Tecnologías de la Información y Comunicación, se desarrollará un módulo específico para el sistema ERP institucional, con el objetivo de estructurar y gestionar los datos relacionados con las emisiones del DUI, permitiendo la generación de informes detallados mediante la integración con Looker Studio de Google. Los resultados esperados incluyen la mejora en la eficiencia del proceso de emisión del DUI, un mayor control y monitoreo de este, y la provisión de una herramienta integral que facilite la toma de decisiones basada en datos concretos. Este enfoque asegura una mayor transparencia y eficacia en la gestión del proceso, optimizando los recursos y elevando la calidad del servicio prestado a los ciudadanos.