Examinando por Autor "Cordova Campoverde, Juan Andres"
Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
- ÍtemAcceso AbiertoMódulo de parametrización y prueba de algoritmos para aprendizaje de máquinas en línea/ fuera de línea para el análisis de trayectoria GPS(Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales., 2023-03) Cordova Campoverde, Juan Andres; Herrera Guaman, Gladys Elizabeth; Reyes Zambrano, GaryEl presente trabajo aborda el desarrollo y evaluación de un módulo para la parametrización y prueba de algoritmos de aprendizaje de máquinas en línea/fuera de línea para el análisis de trayectorias GPS. Los objetivos principales de esta investigación son el desarrollo de herramientas que permitan a los usuarios experimentar con diferentes algoritmos de aprendizaje de máquinas y evaluar su rendimiento en el análisis de trayectorias GPS, así como proporcionar un módulo personalizable y adaptable que pueda ser ajustado a las necesidades específicas de los usuarios. El marco teórico del proyecto se centra en los algoritmos de aprendizaje de máquinas y sus aplicaciones en el análisis de trayectorias GPS. El módulo ha sido desarrollado utilizando una combinación de lenguaje de programación Python y bibliotecas de código abierto, y permite la personalización de parámetros y configuraciones para adaptarse a las necesidades específicas de los usuarios. La importancia de este trabajo radica en la creciente relevancia de la tecnología GPS en muchos campos, como el transporte, la logística y la seguridad, y la necesidad de un análisis de trayectorias GPS preciso y eficiente. La metodología utilizada en este trabajo incluye el desarrollo e implementación del módulo, la prueba y evaluación de diferentes algoritmos de aprendizaje de máquinas utilizando datos de trayectorias GPS del mundo real, Los resultados de los experimentos muestran que el módulo es capaz de mejorar significativamente el rendimiento del análisis de trayectorias GPS, y que la selección de algoritmos y configuraciones de parámetros apropiados es crucial para lograr resultados óptimos.