Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lima – Perú
2022
RESUMEN............................................................................................................................................................... 4
ABSTRACT............................................................................................................................................................... 5
INTRODUCCIÓN...................................................................................................................................................... 6
CAPÍTULO I: PROBLEMÁTICA................................................................................................................................... 7
1.1 Contexto..................................................................................................................................................... 7
1.2 Descripción del problema........................................................................................................................... 7
1.3 Objetivo del proyecto................................................................................................................................. 7
1.3.1 Objetivo general......................................................................................................................................... 7
1.3.2 Objetivos específicos.................................................................................................................................. 8
CAPÍTULO II: DEFINICIÓN DEL PROYECTO................................................................................................................. 8
2.1 Definición del Proyecto............................................................................................................................... 8
2.2 Beneficios esperados.................................................................................................................................. 8
2.3 Áreas impactadas y principales representantes........................................................................................... 8
2.4 Cronograma y riesgos iniciales del proyecto.............................................................................................. 10
2.4.1 Fecha inicio y fin del proyecto................................................................................................................... 10
2.4.2 Etapas del proyecto:................................................................................................................................. 10
2.4.3 Cronograma del proyecto, detallar las actividades.....................................................................................10
2.4.4 Describir los riesgos que pueda tener el proyecto......................................................................................10
CAPÍTULO III: DESARROLLO DEL PROYECTO........................................................................................................... 11
3.1 Diagrama de Gantt.................................................................................................................................... 11
3.2 Metodología CRISP - DM........................................................................................................................... 11
3.2.1 Fase I. Business Understanding. Definición de necesidades del cliente (comprensión del negocio).............11
3.2.2 Fase II. Data Understanding. Estudio y comprensión de los datos..............................................................12
3.2.3 Fase III. Data Preparation. Análisis de los datos y selección de características............................................13
3.2.4 Fase IV. Modeling. Modelado.................................................................................................................... 14
3.2.5 Fase V. Evaluation. Evaluación (obtención de resultados)..........................................................................14
3.3. Metodología aplicada al Proyecto............................................................................................................. 16
3.3.1 Fase I. Business Understanding. Definición de necesidades del cliente (comprensión del negocio).............16
3.3.2 Fase II. Data Understanding. Estudio y comprensión de los datos..............................................................17
3.3.3 Fase III. Data Preparation. Análisis de los datos y selección de características............................................18
3.3.4 Fase IV. Modeling. Modelado.................................................................................................................... 19
3.3.5 Fase V. Evaluation. Evaluación (obtención de resultados)..........................................................................20
3.3.6 Fase VI. Deployment. Despliegue (puesta en producción)..........................................................................21
CAPÍTULO IV: ANALISIS DE APLICACIONES DE MACHINE LEARNING........................................................................22
4.1 Definicion de algoritmos........................................................................................................................... 22
4.1.1 Algoritmos de Aprendizaje Profundo......................................................................................................... 22
4.1.2 Árboles de decision................................................................................................................................... 23
4.1.3 Vecinos más cercanos KNN....................................................................................................................... 24
CAPÍTULO V: APLICACION DE MACHINE LEARNING AL PROYECTO..........................................................................25
5.1 Simulación de implementación................................................................................................................. 25
5.1.1 Formulario................................................................................................................................................ 25
5.1.2 Gráficos.................................................................................................................................................... 27
5.2 Implementacion de Algoritmos................................................................................................................. 29
5.2.1 Arbol de Decisión...................................................................................................................................... 29
5.2.2 Plan de Implementación........................................................................................................................... 30
5.2.3 Beneficios................................................................................................................................................. 31
Conclusiones:........................................................................................................................................................ 33
Anexos …………………………………………………………………………………………………………………………………………………………………33
Referencias Bibliográficas...................................................................................................................................... 35
RESUMEN
• It is planned to begin with the exhaustive analysis measuring the times and
quality of the process that leads to the choice of garments by customers in the
store. Subsequently, make plans to be able to speed up that process through
the idea that we have of modernizing the action of trying on the garments
physically to one that is carried out virtually, without losing the essence of
going to the store to be able to visualize the garments that we want to acquire.
. In such a way that tests can be given in the stores within the established
period, thus obtaining good results and, if negative, being able to solve it with
the project plan as an approach.
• That project will be carried out from planning to execution within a period of
four months, for which it obtains an approximate budget of USD$15,000. On
the other hand, the staff will be assigned around the activities that are being
carried out, starting with a project manager. a project analyst, a systems
engineer and a staff supervisor.
1.1 Contexto
TOPITOP.
Atención al cliente
Encargada de la atención y prestación de servicios para que los
clientes se sientan cómodos realizando su compra. El realizar una
buena gestión en esta área garantiza que el cliente se vuelva
recurrente, es decir, si nuestro proyecto genera conformidad por
parte del cliente, volverá a
realizar sus compras en las instalaciones.
Ventas (Gerente de Ventas)
Encargada en el envío de información de los pedidos de los clientes
(Tiendas propias, clientes por regiones y clientes mayoristas).Al tener
una base de datos en línea se pueden tomar decisiones efectivas en el
ofrecimiento de nuevos productos, logrando de esta manera que
lleguen sin ningún tipo de retraso y en los plazos pactados.
Sistemas (Desarrolladores del Software)
Encargada de brindar el mantenimiento y soporte al sistema de
probadores electrónicos ante cualquier problema en el funcionamiento
correcto de la aplicación, asegurando el correcto funcionamiento del
envío, recepción y carga de las interfaces en el Sistema.
Operaciones (Operador Lógico)
Encargada de asegurar y cumplir los procesos de logística para la
empresa, cumpliendo con la correcta actualización de inventarios y
como principal objetivo de poder enviar la información para una
correcta entrega del producto final según los requerimientos del
cliente. Contando con la confirmación hacia la empresa de la entrega
del producto, reduciendo de esta manera el margen de errores con
ayuda de un procesamiento automático.
Organigrama
2.4 Cronograma y riesgos iniciales del proyecto
Las principales tareas que engloba esta fase son las siguientes:
● Planificación del despliegue: Es necesario determinar una estrategia
para la puesta en operación del modelo, identificando los pasos
necesarios y cómo (quién, cuándo) ejecutarlos.
● Planificación de la monitorización y mantenimiento: Las tareas de
monitorización y mantenimiento del modelo puesto en producción
son una parte muy importante de la integración del resultado de un
proyecto de minería de datos dentro de la operativa diaria de un
entorno de negocio. Una buena planificación de estos aspectos ayuda
a evitar efectos no deseados, como por ejemplo una utilización
incorrecta de los resultados del análisis. Las características del
despliegue diseñado en la tarea anterior influyen en cómo debe
diseñarse esta tarea.
● Informe final del proyecto: Se debe realizar un compendio de los
diferentes entregables y documentaciones generadas a lo largo del
proyecto, resumiendo y organizando los pasos realizados y todos los
resultados obtenidos. Esta tarea suele incluir algún tipo de reunión
de cierre o presentación final.
● Revisión del proyecto: En la línea de las “lecciones aprendidas” de
la gestión de proyectos, es importante resumir la experiencia
adquirida en el proyecto, evaluar lo que fue bien y lo que no,
identificar puntos de mejora, aprendizaje que podría reaprovecharse
en proyectos posteriores o en problemas similares de análisis de
datos, etc.
3.3. Metodología aplicada al Proyecto
Limpiar los Datos La base de datos con la que se cuenta para el proyecto
contiene toda la información necesaria para poder cumplir los objetivos
de la implementación del probador, además, estos datos al haber sido
introducidos para el caso práctico que se presenta, son datos limpios y por
lo tanto no hay necesidad de hacer una limpieza más profunda sobre ellos
Rango de precio
CAPÍTULO V: APLICACION DE MACHINE LEARNING AL
PROYECTO
5
5.1 Simulación de implementación
5.1.1 Formulario
https://docs.google.com/forms/d/15s2Sb7MoBImLOGPppXKJ_n9Wk50slWu8sclHHhDY-
mc/edit#responses
5.1.2 Gráficos
4
5
5.1
5.2 Implementacion de Algoritmos
4
5
5.1
5.2
5.2.1 Arbol de Decisión
Después de la evaluación de los algoritmos, se decidió trabajar con el
algoritmo de árbol de decisión, ya que es un algoritmo de machine
learning que se adecúa a la construcción de modelos predictivos de
análisis de datos para el Big Data, basados en su clasificación según
ciertas características o propiedades, o en la regresión mediante la
relación entre distintas variables para predecir el valor de otra y así
cumplir los objetivos planteados.
El presupuesto
El plazo
Equipamento
Software o herramientas
Por otro lado, se llevo a cabo la asignacion de tareas o roles para cada
persona; atraves de una herramienta:
Leyenda:
R : Responsable
C : Consultado
A: Aprobador
I : Informado
5.2.3 Beneficios
Árbol de decisiones
La digitalización hoy en día, es una gran herramienta que permite poder tener
mayor alcance de ofrecimiento de parte de las empresas a los clientes.
Anexos
Referencias Bibliográficas
a) Mora Hernández, S. (2020). Sistema predictivo de cancelaciones en las tarjetas de crédito basada en
técnicas de Machine Learning.
c) Wu, Xindong; Kumar, Vipin; Ross Quinlan, J.; Ghosh, Joydeep; Yang, Qiang; Motoda, Hiroshi;
McLachlan, Geoffrey J.; Ng, Angus; Liu, Bing; Yu, Philip S.; Zhou, Zhi-Hua (1 de enero de 2008).
«Top 10 algorithms in data mining». Knowledge and Information Systems (en inglés) 14 (1): 1-37.
ISSN 0219-3116. doi:10.1007/s10115-007-0114-2.
e) Rokach, Lior; Maimon, O. (2008). Data mining with decision trees: theory and applications. World
Scientific Pub Co Inc. ISBN 978-9812771711.
f) Quinlan, J. R., (1986). Induction of Decision Trees. Machine Learning 1: 81-106, Kluwer Academic
Publishers
g) Breiman, Leo; Friedman, J. H.; Olshen, R. A.; Stone, C. J. (1984). Classification and regression trees.
Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software. ISBN 978-0-412-04841-8.