Piad-511 Alumnotrabajofinal

SERVICIO NACIONAL DE ADIESTRAMIENTO EN TRABAJO INDUSTRIAL
PLAN DE TRABAJO DEL ESTUDIANT

TRABAJO FINAL DEL CURSO
1. INFORMACIÓN GENERAL
Apellidos y Nombres: ID:

Dirección Zonal/CFP:
Carrera: Semestre:
Curso/ Mód. Formativo
Tema del Trabajo:
2. PLANIFICACIÓN DEL TRABAJO
N° ACTIVIDADES/ ENTREGABLES CRONOGRAMA/ FECHA DE ENTREGA

1 Hacer preguntas y pedir indicaciones
sobre el trabajo a la instructora
2 Organizar ideas y planear
3 Dividirnos las tareas
4 Hacer base de datos helados con sus
tablas
5 Rellenar Tablas
6 Hacer diagrama de uso
7 Hacer Histograma
8 Hacer formato de entre y tomar capturas
9 Entrega
3. PREGUNTAS GUIA
Durante la investigación de estudio, debes obtener las respuestas a las siguientes interrogantes:
Nº PREGUNTAS
1 ¿Qué ventajas encontramos en el desarrollo e implementación de aplicaciones con Big Data y Machine Learning?
2 ¿En qué sectores de las PYMES podemos aplicar Big Data y Machine Learning, sabiendo que no se manejan grandes
volúmenes de datos? Fundamente la respuesta
3 ¿Cuáles son las herramientas para Big Data y Machine Learning?
4 ¿Cuáles son las diferencias entre el modelo descriptivo e inferencial y el modelo predictivo e inteligente?
5 ¿Cuáles son las diferencias entre el modelo descriptivo e inferencial y el modelo predictivo e inteligente?
2
HOJA DE RESPUESTAS A LAS PREGUNTAS GUÍA
1.
Entre las principales ventajas tenemos:
 Mejora de la toma de decisiones.

 Mejora en la eficiencia y optimización de costes.
 Segmentación de los clientes.
 Seguridad en los datos.
 Mejora de la accesibilidad de la información dentro de la empresa.
 Nuevas fuentes de ingresos.
 Ventajas competitivas.
 Detección temprana de problemas.
 Reducción de costos.
2.
Se puede aplicar de varias maneras, entre ellas podemos aplicarlo en los sectores de:
Análisis de datos de clientes: Las PYMES pueden utilizar Big Data para recopilar y analizar
datos sobre sus clientes, como sus preferencias, hábitos de compra y comportamiento en línea.
Optimización de procesos: Las PYMES pueden utilizar Machine Learning para mejorar la
eficiencia de sus procesos empresariales, como la gestión de inventarios, la planificación de la
producción y la gestión de la cadena de suministro.
Detección de fraudes: Las PYMES pueden utilizar Big Data y Machine Learning para detectar
fraudes y prevenir pérdidas económicas.
Optimización de marketing: Las PYMES pueden utilizar Big Data y Machine Learning para
mejorar su estrategia de marketing y aumentar la efectividad de sus campañas.
Automatización de tareas: Las PYMES pueden utilizar Machine Learning para automatizar
tareas repetitivas y reducir la carga de trabajo manual.
De esta manera el Big Data proporciona así a las PYMEs una variedad de información que,
convenientemente clasificada, contribuye a crear una estrategia común que aúna la experiencia
de compra tradicional con la moderna (a través, sobre todo, de Internet), y que ayuda a conocer
mejor las preferencias del cliente, a tener sus productos más recurridos siempre actualizados y a
su disposición y, por encima de cualquier otra cosa, a incrementar los beneficios.
3.
3
Las herramientas son:
 Apache Hadoop.
 Apache Spark.
 MongoDB.
 TensorFlow.
 PyTorch.
 Elasticsearch.
 Apache Storm.
 Lenguaje R.
 Python.
 Apache Kafka.
 Apache Cassandra.
4.
La diferencia es que la analítica descriptiva muestra lo que ha sucedido en el pasado o, en

algunos casos, está sucediendo en tiempo real. La analítica predictiva avanza lo que es más
probable que ocurra en el futuro: se adelanta a los acontecimientos.
En resumen, el modelo descriptivo e inferencial se utiliza para analizar datos existentes y obtener
información útil, mientras que el modelo predictivo e inteligente se utiliza para predecir eventos
futuros y tomar decisiones basadas en patrones identificados en los datos.
5.
Los algoritmos existentes son:
 Aprendizaje supervisado
 Aprendizaje sin supervisión
 Aprendizaje por refuerzo
 Algoritmos de regresión
 Algoritmos bayesianos
 Algoritmos de agrupación
 Algoritmos de árbol de decisión
 Algoritmos de redes neuronales
 Algoritmos de reducción de dimensión
 Algoritmos de Aprendizaje Profundo
4
HOJA DE PLANIFICACIÓN
PROCESO DE EJECUCIÓN
SEGURIDAD / MEDIO AMBIENTE
OPERACIONES / PASOS /SUBPASOS / NORMAS -ESTANDARES
Crear base de datos helados
Crear tablas helados tiempo, temporadas y ventas
Crear diagrama de clases
Insertar datos a la base
Crear histograma con Excel usando los datos de la base

Llenar formato de entrega
Terminar de ordenar el formato
Entrega
INSTRUCCIONES: debes ser lo más explícito posible. Los gráficos ayudan a transmitir mejor las
ideas. No olvides los aspectos de calidad, medio ambiente y SHI.
5
DIBUJO / ESQUEMA/ DIAGRAMA
6
LISTA DE RECURSOS
INSTRUCCIONES: completa la lista de recursos necesarios para la ejecución del trabajo.
1. MÁQUINAS Y EQUIPOS
3 computadoras
3. HERRAMIENTAS E INSTRUMENTOS
SQLSERVER
WORD
STARTUML
EXCEL
5. MATERIALES E INSUMOS
Electricidad
Tiempo

Piad-511 Alumnotrabajofinal

Cargado por

Copyright:

Formatos disponibles

Piad-511 Alumnotrabajofinal

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Piad-511 Alumnotrabajofinal

Cargado por

Copyright:

Formatos disponibles

SERVICIO NACIONAL DE ADIESTRAMIENTO EN TRABAJO INDUSTRIAL

PLAN DE TRABAJO DEL ESTUDIANT

Apellidos y Nombres: ID:

2. PLANIFICACIÓN DEL TRABAJO

N° ACTIVIDADES/ ENTREGABLES CRONOGRAMA/ FECHA DE ENTREGA

HOJA DE RESPUESTAS A LAS PREGUNTAS GUÍA

Entre las principales ventajas tenemos:

 Mejora de la toma de decisiones.

Las herramientas son:

La diferencia es que la analítica descriptiva muestra lo que ha sucedido en el pasado o, en

Los algoritmos existentes son:

Crear histograma con Excel usando los datos de la base

DIBUJO / ESQUEMA/ DIAGRAMA

INSTRUCCIONES: completa la lista de recursos necesarios para la ejecución del trabajo.

También podría gustarte