Mostrar el registro sencillo del ítem
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander
dc.contributor.advisor | Espinosa Carreño, María Alexandra | |
dc.contributor.advisor | Flórez Gómez, Leidy Yohana | |
dc.contributor.advisor | Jurado García, Miguel Eugenio | |
dc.contributor.author | Patiño Hernández, Omar Yecid | |
dc.coverage.spatial | Santander (Colombia) | spa |
dc.date.accessioned | 2021-08-19T19:41:47Z | |
dc.date.available | 2021-08-19T19:41:47Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12749/13916 | |
dc.description.abstract | La inteligencia artificial se ha tomado como una realidad y presencia en esta nueva era del siglo XXI, con numerosas aplicaciones en distintas áreas como la medicina, negocios y más. Las relaciones y extracción de muchos datos hacen parte del campo de la IA (inteligencia artificial). (Muns I Orenga, n.d.) y pueden representar ventajas comerciales en el sector agrícola. En el presente documento se va a mostrar un trabajo en el cual se tiene como propuesta una identificación y relación de actores o stakeholders del sector cacaotero Santandereano, y para llevar a cabo este proceso de desarrollo se va a hacer uso de inteligencia artificial y minería de datos. Por lo tanto, también se va a ser uso de la metodología CRISP-DM (Arancibia, 2016), Dandelion propuesta por el semillero AGRIOT-UNAB. | spa |
dc.description.tableofcontents | INTRODUCCIÓN ................................................................................................... 11 1. PLANTEAMIENTO DEL PROBLEMA ............................................................. 11 2. OBJETIVOS .................................................................................................... 14 2.1. OBJETIVO GENERAL .............................................................................. 14 2.2. OBJETIVOS ESPECÍFICOS ..................................................................... 14 1. JUSTIFICACIÓN ............................................................................................. 15 1.1. El cacao a Nivel Mundial ........................................................................... 15 1.2. El cacao en América Latina y Colombia ................................................... 15 1.3. Internacionalización del cacao en Colombia ............................................. 16 2. ESTADO DEL ARTE ....................................................................................... 17 3. ANTECEDENTES ........................................................................................... 18 4. EJECUCIÓN DEL PROTOCOLO .................................................................... 19 5. MARCO TEÓRICO .......................................................................................... 23 5.1. Contextualización ..................................................................................... 24 5.2. Stakeholders o actores ............................................................................. 24 5.3. Inteligencia artificial y minería de datos .................................................... 25 6. DESARROLLO DE KAKAW ............................................................................ 32 6.1. Metodología de desarrollo ........................................................................ 32 6.2. Desarrollo del modelo ............................................................................... 41 6.3. Extracción de patrones ............................................................................. 42 6.4. Construcción del modelo .......................................................................... 51 7. RESULTADOS ................................................................................................ 57 7.1. Definición base del proyecto ..................................................................... 57 7.2. Diseño de la solución ................................................................................ 58 7.3. Definición y construcción del modelo ........................................................ 59 7.4. Visualización de los datos ......................................................................... 60 7.5. Evaluar resultados de solución ................................................................. 62 8. CONCLUSIONES ............................................................................................ 63 BIBLIOGRAFÍA ...................................................................................................... 65 ANEXOS ................................................................................................................ 69 | spa |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/co/ | * |
dc.title | KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander | spa |
dc.title.translated | KAKAW: Artificial intelligence model for the identification of actors and their relationship in the cocoa sector of Santander | spa |
dc.degree.name | Ingeniero en Energía | spa |
dc.publisher.grantor | Universidad Autónoma de Bucaramanga UNAB | spa |
dc.rights.local | Abierto (Texto Completo) | spa |
dc.publisher.program | Pregrado Ingeniería en Energía | spa |
dc.description.degreelevel | Pregrado | spa |
dc.type.driver | info:eu-repo/semantics/bachelorThesis | |
dc.type.local | Trabajo de Grado | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.subject.keywords | Energy engineering | spa |
dc.subject.keywords | Technological innovations | spa |
dc.subject.keywords | Energy | spa |
dc.subject.keywords | Machine learning | spa |
dc.subject.keywords | Artificial intelligence | spa |
dc.subject.keywords | Data mining | spa |
dc.subject.keywords | Actors | spa |
dc.subject.keywords | Classification | spa |
dc.subject.keywords | Relationship | spa |
dc.subject.keywords | Detection | spa |
dc.subject.keywords | Simulation methods | spa |
dc.subject.keywords | Machine theory | spa |
dc.subject.keywords | Cocoa | spa |
dc.subject.keywords | Expert systems | spa |
dc.identifier.instname | instname:Universidad Autónoma de Bucaramanga - UNAB | spa |
dc.identifier.reponame | reponame:Repositorio Institucional UNAB | spa |
dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
dc.relation.references | Agronegocios. (2020). Cosecha cafetera impulsó el crecimiento del PIB agropecuario en 2019 que subió 2%. https://www.agronegocios.co/aprenda/cosecha-cafetera-impulso-elcrecimiento-del-pib-agropecuario-en-2019-que-subio-2-296490 | spa |
dc.relation.references | Agroton. (2018). The resource cannot be found. http://agroton.gobiernoenlinea.gov.c | spa |
dc.relation.references | Alexandra Espinosa, M. C., Romero, E. R., Flórez G, L. Y., & Guerrero, C. D. (2020). DANDELION: Propuesta metodológica para recopilación y análisis de información de artículos científicos. Un enfoque desde la bibliometría y la revisión sistemática de la literatura | spa |
dc.relation.references | Arancibia, J. A. G. (2016). Modelos de proceso para proyectos de Data Mining (DM) CRISP-DM (Cross Industry Standard Process for Data Mining). http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_ CRISP-DM.2385037.pdf | spa |
dc.relation.references | Bots, P. W. G., van Twist, M. J. W., & van Duin, J. H. R. (2000). Automatic pattern detection in stakeholder networks. Proceedings of the Hawaii International Conference on System Sciences, 37. https://doi.org/10.1109/hicss.2000.926658 | spa |
dc.relation.references | CAF. (2016). Iniciativa Latinoamericana del Cacao. https://scioteca.caf.com/bitstream/handle/123456789/1456/Iniciativa latinoamericana del cacao.pdf?sequence=1&isAllowed=y | spa |
dc.relation.references | cámara de comercio de Bucaramanga. (2017). GPS Global Plan Santander. https://www.camaradirecta.com/media/c18b1905c33ab51c116c9f986821fe960 e9ed181.pdf | spa |
dc.relation.references | Castrejón-Mejía, O. E., Fajardo-Flores, S. B., Herrera-Morales, J.-R., & De La TorreGea, G. (2019). Desarrollo de una aplicación de minería de datos utilizando la API de SCOPUS Data minning in e-government View project Naïves Bayes EM Analysis of Porous Media Crop Simulation in Greenhouse using Computational Fluid Dynamics View project. https://www.elsevier.com/es-mx/about/ourbusiness | spa |
dc.relation.references | Chung, W., Chen, H., & Reid, E. (2009a). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948 | spa |
dc.relation.references | Chung, W., Chen, H., & Reid, E. (2009b). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948 | spa |
dc.relation.references | CRUZ, C. A. B. (2020). Escuela politécnica nacional. http://bibdigital.epn.edu.ec/handle/15000/20723 | spa |
dc.relation.references | Duk2. (2016). K-Means: Agrupamiento con Minería de datos [Introducción]. https://estrategiastrading.com/k-means/ | spa |
dc.relation.references | FAO. (2019). Organización de las Naciones Unidas para la Alimentación y la Agricultura: 2019-2028 un decenio de oportunidades para el sector rural | FAO en Colombia | Organización de las Naciones Unidas para la Alimentación y la Agricultura. http://www.fao.org/colombia/noticias/detail-events/es/c/1201133 | spa |
dc.relation.references | FAO. (2020). FAO - Noticias: El Informe mundial sobre las crisis alimentarias revela su magnitud, mientras la COVID-19 plantea nuevas amenazas para los países vulnerables. http://www.fao.org/news/story/es/item/1271897/icode | spa |
dc.relation.references | Finagro. (2018). Inteligencia de mercado: Cacao. https://www.finagro.com.co/sites/default/files/node/basic page/files/ficha_cacao_version_ii.pdf | spa |
dc.relation.references | Flórez Martínez, D. H., & Uribe Galvis, C. P. (2018). TIC para la investigación, desarrollo e innovación del sector agropecuario. https://repository.agrosavia.co/handle/20.500.12324/34294 | spa |
dc.relation.references | Fontalvo-Herrera, T. J., Delahoz, E. J., & Mendoza-Mendoza, A. A. (2018). Application of data mining for the classification of university programs of industrial engineering accredited in high quality in Colombia. Informacion Tecnologica, 29(3), 89–96. https://doi.org/10.4067/S071807642018000300089 | spa |
dc.relation.references | Instituto Colombiano Agropecuario - ICA. (n.d.). Retrieved May 22, 2020, from https://www.ica.gov.co/periodico-virtual/prensa/2013-(1)/una-radiografia-del-laproblematica-del-cultivo-de | spa |
dc.relation.references | Lv, X., & El-Gohary, N. (2016). Text Analytics for Supporting Stakeholder Opinion Mining for Large-scale Highway Projects. Procedia Engineering, 145, 518–524. https://doi.org/10.1016/j.proeng.2016.04.039 | spa |
dc.relation.references | M. Thangaraj, M. S. (2018). IJIKM - Text Classification Techniques: A Literature Review. https://www.informingscience.org/Publications/4066 | spa |
dc.relation.references | Monkeylearn. (2020). Text Mining: The Beginner’s Guide. https://monkeylearn.com/text-mining | spa |
dc.relation.references | Nations, U. (2020). “La recuperación de la crisis de la COVID-19 deberá conducirnos a una economía diferente.” | Naciones Unidas. https://www.un.org/es/coronavirus/articles/launch-report-socio-economicimpacts-covid-19 | spa |
dc.relation.references | OCDE-FAO. (2019). OCDE-FAO Perspectivas Agrícolas. https://doi.org/10.1787/7b2e8ba3-es | spa |
dc.relation.references | Oracle. (2018). ¿Qué es el aprendizaje automático? | Oracle Colombia. https://www.oracle.com/co/artificial-intelligence/what-is-machine-learning.html | spa |
dc.relation.references | Ruiz, G. (n.d.). Introducción a Word2vec (skip gram model) | by Gonzalo Ruiz de Villa | Medium. Retrieved November 5, 2020, from https://medium.com/@gruizdevilla/introducción-a-word2vec-skip-gram-model4800f72c871f | spa |
dc.relation.references | Zaharia, M. H., & Hodorogea, F. A. (2017). Research stakeholders identification using an mobile agent’s framework. Expert Systems with Applications, 72, 18– 29. https://doi.org/10.1016/j.eswa.2016.12.006 | spa |
dc.contributor.cvlac | Espinosa Carreño, María Alexandra [0001495409] | spa |
dc.contributor.cvlac | Flórez Gómez, Leidy Yohana [=0001288768] | spa |
dc.contributor.googlescholar | Flórez Gómez, Leidy Yohana [=0001288768] | spa |
dc.contributor.googlescholar | Espinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl] | spa |
dc.contributor.orcid | Espinosa Carreño, María Alexandra [0000-0003-1411-0828] | spa |
dc.contributor.orcid | Flórez Gómez, Leidy Yohana [=0001288768] | spa |
dc.contributor.orcid | Jurado García, Miguel Eugenio [0000-0002-2653-249X] | spa |
dc.contributor.researchgate | Espinosa Carreño, María Alexandra [Maria-Espinosa-C] | spa |
dc.subject.lemb | Ingeniería en energía | spa |
dc.subject.lemb | Innovaciones tecnológicas | spa |
dc.subject.lemb | Energía | spa |
dc.subject.lemb | Métodos de simulación | spa |
dc.subject.lemb | Teoría de las máquinas | spa |
dc.subject.lemb | Cacao | spa |
dc.subject.lemb | Sistemas expertos | spa |
dc.identifier.repourl | repourl:https://repository.unab.edu.co | spa |
dc.description.abstractenglish | Artificial intelligence has been taken as a reality and presence in this new era of the 21st century, with numerous applications in different areas such as medicine, business and more. The relationships and extraction of a lot of data are part of the field of AI (artificial intelligence). (Muns I Orenga, n.d.) and can represent commercial advantages in the agricultural sector. This document will show a work in which an identification and relationship of actors or stakeholders of the Santanderean cocoa sector is proposed, and to carry out this development process, use of artificial intelligence and mining of data. Therefore, the CRISP-DM methodology (Arancibia, 2016), Dandelion proposed by the AGRIOT-UNAB seedbed will also be used. | spa |
dc.subject.proposal | Aprendizaje automático | spa |
dc.subject.proposal | Inteligencia artificial | spa |
dc.subject.proposal | Minería de datos | spa |
dc.subject.proposal | Actores | spa |
dc.subject.proposal | Clasificación | spa |
dc.subject.proposal | Relación | spa |
dc.subject.proposal | Detección | spa |
dc.type.redcol | http://purl.org/redcol/resource_type/TP | |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 2.5 Colombia | * |
dc.contributor.apolounab | Espinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño] | spa |
dc.coverage.campus | UNAB Campus Bucaramanga | spa |
dc.description.learningmodality | Modalidad Presencial | spa |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Ingeniería en Energía [201]