Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escuela de Ingeniería
Ingeniería en Ciencias Computacionales
Metodos Numericos
Coins (Reporte de avance de proyecto)
Presenta:
Oscar Leonardo Angulo Viveros
Matricula: 036303
Sebastian Soto
Matricula:36550
Ricardo Campos Moroyoqui
Matricula: 036657
RESUMEN
Global coins es un proyecto el cual surge de manera en la que nosotros como alumnos debíamos
expresar algún conocimiento que hayamos adquirido a lo largo del curso de la materia de
métodos numéricos. Por lo cual tratamos de hacer algunas cosas más novedosas pero que sin
embargo terminamos abandonando por su complejidad. Sin embargo terminamos por decidirnos
por este proyecto, global coins. Global coins es un sitio web en tiempo real el cual compara las
fluctuaciones de las divisas internacionales ,pero que tiene un enfoque a tratar de predecir el
valor monetario del siguiente día o fechas en base a valores previos y conocimiento que se tiene
del mercado. Lo cual es de gran ayuda no solo para nosotros , si no en especial para aquellas
comunidades fronterizas en las que el valor o ciertos costos como la importacion y exportacion
son bastante importantes a la hora de considerar los costos operativos, por lo que global coins es
una gran herramienta para tratar de reducir el margen de pérdida para pequeñas y grandes
empresas.
Logros-_
PROBLEMATICA
Problemática y Fundamentación:
Las ciudades fronterizas de México a menudo tienen un flujo constante de comercio y turismo
con los Estados Unidos. Los cambios en las tasas de cambio pueden tener un impacto directo en
la competitividad de los negocios y en los costos de los productos importados.
Los ciudadanos y las empresas necesitan acceso a información precisa y actualizada sobre el tipo
de cambio para tomar decisiones financieras efectivas. La falta de pronósticos precisos y
confiables puede resultar en pérdidas económicas.
OBJETIVOS
Pronósticos Precisos: Desarrollar un modelo de predicción confiable que utilice datos históricos
y factores relevantes para predecir el tipo de cambio MXN/USD en el corto y largo plazo. Esto
ayudaría a los usuarios a planificar sus actividades financieras.
Información en Tiempo Real: Proporcionar información en tiempo real sobre el tipo de cambio y
actualizaciones periódicas para que los usuarios estén al tanto de las fluctuaciones del mercado.
Ofrecer recursos educativos sobre cómo entender y utilizar la información sobre el tipo de
cambio, ayudando a los usuarios a tomar decisiones más informadas con su dinero.
Así como herramientas de conversión de Divisas, las cuales de manera sencilla ayudan a realizar
conversiones de divisas y cálculos financieros relacionados con el tipo de cambio.
También brindar información de las variaciones en el tipo de cambio pueden afectar a diferentes
sectores económicos en las ciudades fronterizas, lo que ayudaría a las empresas y gobiernos
locales a tomar decisiones estratégicas.
MARCO TEORICO
Regresión lineal:
La regresión lineal es un modelo matemático que describe la relación entre varias variables. Los
modelos de regresión lineal son un procedimiento estadístico que ayuda a predecir el futuro. Se
utiliza en los campos científicos y en los negocios, y en las últimas décadas se ha utilizado en el
aprendizaje automático.
Debido a su capacidad para transformar datos, pueden utilizarse para simular una amplia gama
de relaciones, y debido a su forma, que es más simple que la de las redes neuronales, sus
parámetros estadísticos se analizan y comparan con facilidad, lo que permite que se les extraiga
información valiosa.
La regresión lineal no sólo se utiliza con fines de predicción: también ha demostrado su eficacia
para describir sistemas.
Descenso de gradiante:
Si bien este procesamiento por lotes proporciona eficiencia de cálculo, aún puede tener un
tiempo de procesamiento prolongado para grandes conjuntos de datos de entrenamiento, ya que
aún necesita almacenar todos los datos en la memoria. El descenso del gradiente por lotes
también suele producir un gradiente de error estable y una convergencia, pero a veces ese punto
de convergencia no es el ideal y encuentra el mínimo local frente al global.
DESCRIPCIÓN DE LA IMPLEMENTACIÓN
Se utilizó un archivo CSV con los valores del dólar en pesos durante los últimos 365 días como
conjunto de datos.
2. Función de Análisis de Fechas: Se define una función llamada `parse_date` que convierte
una cadena de fecha en un valor numérico representando los días desde una fecha de inicio.
3. Función de Error: La función `error` calcula el error cuadrático medio entre las predicciones
del modelo y los valores reales.
4. Función de Paso del Gradiente: La función `step_gradient` calcula los gradientes para los
parámetros `b` y `m` (intersección y pendiente) en la regresión lineal. Estos gradientes se utilizan
en el descenso del gradiente para actualizar los parámetros y mejorar el ajuste del modelo.
5. Descenso del Gradiente: La función `gradient_descent` aplica el descenso del gradiente para
ajustar los parámetros `b` y `m` de la regresión lineal. Itera a través de un número especificado
de iteraciones para minimizar el error.
6. Lectura de Datos: El código lee los datos de un archivo "data.csv". Cada fila del archivo
contiene una fecha y el valor del dólar en pesos mexicanos. Las fechas se convierten en valores
numéricos y se almacenan en una lista llamada `data`.
7. Parámetros Iniciales: Se especifican los valores iniciales de los parámetros `b` y `m`
(intersección y pendiente) del modelo de regresión lineal. Además, se establece la tasa de
aprendizaje (`learning_rate`) y el número de iteraciones para el descenso del gradiente.
8. Ejecución del Modelo: El código ejecuta el descenso del gradiente para ajustar los
parámetros `b` y `m` al conjunto de datos. Luego, calcula el error final y muestra el valor de los
parámetros y el error al inicio y al final del proceso.
10. Gráficos: Se grafican los datos reales y la línea de regresión para visualizar el ajuste del
modelo.
RESULTADOS PRELIMINARES
CONCLUSIONES Y AVANCES A FUTURO
Las conclusiones generales del progreso que se lleva en el proyecto son que, hace falta entrenar
un poco más el modelo matemático para hacer mejores predicciones, además de que tenemos que
mejorar el algoritmo de descenso de gradiente para obtener los resultados más óptimos posibles,
de igual manera se buscará alguna forma de optimizar en la medida de lo posible el código
implementado para el modelo matemático, para que así en conjunto la regresión lineal junto con
el descenso de gradiente puedan estar en su mejor desempeño.
Entre los avances a futuro que se tienen, es poder predecir el valor no solo del dólar, sino
también de algunas otras monedas, e implementar una interfaz que sea amigable a la vista, dentro
de las capacidades del programa y de los conocimientos con los que contamos, así como de las
investigaciones que hagamos para llegar a estos posibles resultado.
REFERENCIAS BIBLIOGRÁFICAS
Escuela Britanica de Artes Creativas y Tecnología (May 2023). Regresión Lineal: teoría y
ejemplos. https://ebac.mx/blog/regreson-lineal