Modelo predictivo para determinar el fracaso de matemáticas en grado 11 usando Machine Learning
Cargando...
Fecha
Fecha
2019-08-24
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Citar documento
Alvarado Castillo, Omar; Zambrano Saavedra, Santos Miguel (2019). Modelo predictivo para determinar el fracaso de matemáticas en grado 11 usando Machine Learning. https://hdl.handle.net/11349/25365
Gestores bibliográficos
Altmetric
El indicador aparece cuando Altmetric registra menciones para este documento.
Documentos PDF
Resumen
The predictive model to determine eleventh grade math failure using machine learning is the result of a data analysis at the Almirante Padilla de Usme Public School.
This model is made up of a process of data integration, variable description, data cleaning, variable elimination, correlation analysis, data transformation and data balancing. These modules were implemented under the Python programming language to build various applications intelligent companies that use machine learning and for the analysis process, the CRISP-DM methodology (Cross Industry Standard Process for Data Mining) was chosen, it covers the phases of a project, their respective tasks, and the relationships between these tasks contemplates the process of data analysis as a professional project, thus establishing a much richer context that influences modeling.
Descripción
El modelo predictivo para determinar el fracaso de matemáticas en grado once usando machine learning es el resultado de un análisis de datos en el Colegio Público Almirante Padilla de Usme.
Este modelo se compone de un proceso de integración de datos, descripción de variables, limpieza de datos, eliminación de variables, análisis de correlaciones, transformación de datos y balanceo de datos.Estos módulos fueron implementados bajo el lenguaje de programación Python para construir varias aplicaciones inteligentes que utilizan el aprendizaje automático y para el proceso de análisis se optó por la metodología CRISP-DM (Cross Industry Standard Process for Data Mining) cubre las fases de un proyecto, sus tareas respectivas, y las relaciones entre estas tareas contempla el proceso de análisis de datos como un proyecto profesional, estableciendo así un contexto mucho más rico que influye en la elaboración de los modelos.