ABF. Especialización en Big Data

URI permanente para esta colecciónhttps://repositoriocrai.ucompensar.edu.co/handle/compensar/15

Navegar

Examinando ABF. Especialización en Big Data por Materia "Big Data"

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 3 de 3
  • PublicaciónAcceso abierto
    Análisis de la distribución de recursos e insumos médicos y su relación con la satisfacción del paciente en instituciones de salud públicas y privadas en Colombia
    (Fundación Universitaria Compensar:, 2023) Delgado Pabón, Alexander; Palacio Velásquez, Hugo Esteban; Fierro Pake, Jorge David; Niampira Ramírez, Maicol Andrés; Lozano Forero, Néstor Hernando; León García, Omar Alexander; GIIS
    El estudio se enfoca en analizar la situación de los servicios de salud en Colombia, utilizando datos abiertos del Sistema de Información de la Red Pública Integral de Salud (SIRIS) y el Observatorio Nacional de Salud (ONS). Estos datos detallan la distribución y calidad de los centros médicos en el país, incluyendo ubicación, carácter público o privado, recursos y especialidades médicas. La metodología incluyó la recolección de datos de estas fuentes, seguida de una exhaustiva limpieza para eliminar información incompleta o inconsistente. Herramientas de Big Data como Microsoft Power BI, Talend Open Studio, PostgreSQL y Microsoft Excel se emplearon para analizar eficientemente los conjuntos de datos, identificando patrones y tendencias. Los resultados se presentaron en un informe técnico, proyectando la población por departamento para 2022 según datos del censo de 2018. Se analizó la distribución de Instituciones Prestadoras de Servicios (IPS) públicas y privadas por nivel de atención y capacidad instalada, ofreciendo información detallada sobre recursos disponibles en cada departamento, como ambulancias, camas y consultorios, para atender a la población proyectada. Este análisis profundo contribuye a comprender mejor cómo se distribuyen los recursos médicos en Colombia y su capacidad para satisfacer las necesidades de la población.
  • PublicaciónAcceso abierto
    Mejorando la movilidad para usuarios de bicicletas en Bogotá: Una solución tecnológica basada en herramientas del Big Data
    (Fundación Universitaria Compensar:, 2023) Jimy Quintiliano, Jimy Quintiliano; Esguerra Pineda, Julián Camilo; Linero Soto, Kevin Alfredo; Zuluaga Ortiz, Danny Steven; Serrano Leon, Katherine; GIIS
    El desarrollo de la aplicación tecnológica realizada en este proyecto se centra en mejorar la seguridad vial de los biciusuarios, permitiendo reportar accidentes donde se encuentre como actor vial principal la bicicleta. Además, mediante un análisis de información se presenta un tablero que resalta los índices de accidentalidad entre los años 2015 y 2020. Lo que hace que esta aplicación sea de gran utilidad en su funcionalidad, es el uso de Big Data y técnicas de recopilación, análisis, procesamiento y visualización de datos, generando información actualizada sobre los accidentes donde se involucran biciusuarios. Para lograr el desarrollo de la problemática fue necesario el uso del modelo metodológico CRISP-DM, el cual contiene las fases necesarias para gestionar con éxito proyectos que involucran minería de datos o elementos integrales del Big Data.
  • PublicaciónAcceso abierto
    Sistema de predicción para reducir la deserción estudiantil de la Fundación Universitaria Compensar en el programa Ingeniería de Sistemas en modalidad virtual.
    (Fundación Universitaria Compensar:, 2023) Marín Rodríguez, Andrés Felipe; Soto Urrea, Wilson Hernando; GIIS
    La presente investigación propone la implementación de un sistema de predicción para reducir la deserción estudiantil en el programa de Ingeniería de Sistemas de la Fundación Universitaria Compensar, modalidad virtual. Se pretende abordar la problemática de deserción mediante la aplicación de técnicas de análisis de datos, específicamente KDD, semma y CRISP-DM. El enfoque circunda la centralización de la información estudiantil dispersa en diferentes unidades de negocio dentro de la institución y, de esta forma, integrarla en un sistema que permita prospectar casos específicos de deserción. Consecuentemente, se propone aprovisionar a través de cursos interactivos y guías claras a la plataforma e-learning institucional. En adición, se busca evaluar la asistencia, las notas y las calificaciones para identificar patrones de deserción. En adición a lo anterior, la recopilación de datos se realizará mediante un sistema de información que integre archivos de Excel y utilice herramientas de Big Data para análisis. La metodología incluirá la aplicación de procesos analíticos para generar informes en Power BI, ofreciendo una visión detallada y prospectiva de los estudiantes con mayor riesgo de deserción. Finalmente, el objetivo ulterior del estudio se basa en mejorar la retención estudiantil a través intervenciones personalizadas basadas en el análisis predictivo de dato