Acceso usuarios
Ernesto Chinkes
Para tomar decisiones es necesario entender la realidad de la organización y su contexto. No sólo en la actualidad, sino también en el futuro. Muchas decisiones se basan en supuestos sobre el futuro. Para reducir la incertidumbre sobre el futuro existen los pronósticos usando métodos cuantitativos. Este trabajo analiza estos métodos y como el data mining, machine learning y las soluciones informáticas, cobijadas en las soluciones denominadas “Analytics”, pueden aportar en dicho camino. Para ello más alla de explicar los conceptos que lo sustentan, se expone cómo es posible aplicarlo para pronosticar la deserción de estudiantes para una facultad a partir de aplicar modelos predictivos, mediante la tarea de clasificación, usando una herramienta de machine learning que funciona en la nube. También invita a pensar cual es el impacto, que pueden tener estas posibilidades en la era del big data.
In order to make decisions, it is necessary to understand the reality of the organization and its context. Not only today, but also in the future. Many decisions are based on assumptions about the future. To reduce uncertainty about the future, there are forecasts using quantitative methods. This paper analyzes these methods and how data mining, machine learning and IT solutions, including in called Analytics solutions, can contribute in this way. In addition to explaining the concepts that support it, it is explained how it is possible to apply it to predict the dropout of students for a faculty applying predictive models, through the classification task, using a machine learning tool that works in the cloud. Also invites you to think about the impact that these possibilities can have in the big data era.
