http://hdl.handle.net/20.500.14076/61 Tue, 31 Mar 2026 21:43:00 GMT 2026-03-31T21:43:00Z http://hdl.handle.net/20.500.14076/28709 Título : Optimización analítica en la distribución de Leads con oferta Pymes a los ejecutivos de negocio de un banco Autor : Huarcaya Canal, Oscar Resumen : Se presenta una solución data driven, que tiene como finalidad optimizar el rendimiento de las campañas comerciales del segmento negocios en las oficinas del banco, incrementando la colocación de productos y el monto de facturación en venta, para así mejorar la efectividad en la gestión de los ejecutivos y ganar market share a la competencia. Esta solución implica segmentar a los clientes por propensión a la adquisición, para lo cual se implementa un árbol de clasificación, como modelo explicativo que nos permite identificar que las ofertas más atractivas y cuáles son los clientes con mejor atracción a los productos del segmento. Como complemento al modelo se aplicará el algoritmo Round Robin para asignar los clientes más propensos a los ejecutivos de venta de acuerdo a la capacidad de gestión y la cercanía del cliente a la oficina, los leads restantes no distribuidos se asignarán a un canal alternativo de gestión. El resultado de la optimización mejora la gestión de los ejecutivos en +38 %, las ventas en +24 % y el monto facturado en +30 % en el primer mes de ejecución.; A data driven solution is presented, aimed at optimizing the performance of business segment commercial campaigns in bank offices, increasing product placement and sales billing amount, thereby improving the effectiveness of executive management and gaining market share from the competition. This solution involves segmenting customers by propensity to purchase, for which a classification tree is implemented as an explanatory model that allows us to identify the most attractive offers and which customers have the best attraction to segment products. As a complement to the model, the Round Robin algorithm will be applied to assign the most likely customers to sales executives according to management capacity and customer proximity to the office. The remaining undistributed leads will be assigned to an alternative management channel. The result of the optimization improves executive management by +38 %, sales by +24 %, and the billed amount by +30 % in the first month of execution. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/20.500.14076/28709 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/22835 Título : Optimización del consumo de energía en el Edge Level de arquitectura fog computing Autor : Huaranga Junco, Edgar Jesús Resumen : En los últimos años las redes de sensores inalámbricas han retomado su popularidad debido a que la complejidad de su implementación y el costo de fabricación se han reducido notablemente, haciéndolo accesible para muchas más personas e instituciones a nivel global. Esta globalización de las redes de sensores también es impulsada por los beneficios de conectividad que nos otorga Internet, teniendo como resultado lo que ahora llamamos Internet de las Cosas. Sin embargo, a pesar de la diversidad, los avances y las mejoras que se presentan en el mercado y en la academia, las redes de sensores inalámbricas aún presentan un conjunto de problemas y retos en común. El presente trabajo se enfoca principalmente en dos de estos problemas: el primero, es el consumo de energía y tiempo de vida de la red; y el segundo problema es la confiabilidad del envío de información. El trabajo mostrado en esta tesis consiste en un algoritmo de control de niveles de batería con el objetivo de optimizar el tiempo de vida de la red de sensores con la condición de no perder conectividad y, por lo tanto, información de parte de los nodos componentes. Fri, 01 Jan 2021 00:00:00 GMT http://hdl.handle.net/20.500.14076/22835 2021-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/18949 Título : Pymach y Sparkmach: sistemas de procesamiento de datos con dimensión variable usando algoritmos de Machine Learning Autor : Bravo Rocca, Gusseppe Jesús Resumen : La presente tesis propone dos sistemas de análisis y predicción de datos enfocados a problemas relacionados al Machine Learning: Pymach y Sparkmach. Este sistema conjunto tiene el fin de reducir y automatizar los pasos convencionales que conlleva la creación de un modelo predictivo en general. Para este fin se hace uso de técnicas de inteligencia artificial, particularmente, Machine Learning, para crear modelos a medida que puedan predecir eventos a futuro, en aplicaciones tales como, lugares y frecuencias de accidentes de tránsito, localización, tiempos de espera de autobuses, consumo de combustible, entre otros. Para ello, se ha trabajado con datos simulados y reales que, junto al sistema, se han desplegado en un clúster de CPUs. Debido a la ingente cantidad de datos, se ha trabaja- do con técnicas de paralelismo y Big Data para el procesamiento eficiente de los mismos. Finalmente, Pymach y Sparkmach, escrito en Python y PySpark respectivamente, están desplegadas en una aplicación web para la interacción con el usuario. Tue, 01 Jan 2019 00:00:00 GMT http://hdl.handle.net/20.500.14076/18949 2019-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/18948 Título : Evaluación y optimización de arquitecturas distribuidas tipo Fog Computing para Internet of Things Autor : Mondragón Ruiz, Víctor Giovanny Resumen : En vista de que en el laboratorio IUT-SCi de CTIC se viene creando módulos de sensores medioambientales; en la presente Tesis se realiza la evaluación y optimización de una plataforma con arquitectura Fog Computing enfocándose en el Nodo Edge y el Usuario Final. El Fog Computing surge como un modelo complementario del Cloud Computing que busca descentralizar el trabajo en el servidor de la Nube. El empleo de técnicas de Fog Computing ofrece un mejor aprovechamiento de los recursos del sistema en general, lo que implica ahorros en costos de alquileres y mantenimiento, además de una reducción en la latencia de respuesta. A lo largo de esta obra se detalla el caso de uso utilizando un Raspberry Pi 3 modelo B+ como Nodo Edge, un servidor físico como Nube y teniendo una aplicación en Android como Usuario Final; además de utilizar un motor de eventos complejos (Complex Event Processing-CEP) para el análisis de alarmas. Luego se presentan propuestas para la reducción de la latencia y la descentralización del trabajo de la Nube; posteriormente se presentan los detalles de la implementación. Finalmente se realiza a extenso el estudio y resultados entre la arquitectura tradicional de Cloud Computing vs Fog Computing, en los que primero se muestran la reducción de la latencia para un Usuario Final conectado por Wifi al Nodo Edge frente Usuarios Finales conectados por 3G y 4G a la Nube. Para después, a partir de una simulación de alarmas, realizar comparaciones y discusiones de la reducción performance del CPU y el espacio de memoria RAM, al mover el módulo CEP de la Nube al Nodo Edge. Tue, 01 Jan 2019 00:00:00 GMT http://hdl.handle.net/20.500.14076/18948 2019-01-01T00:00:00Z