Biblioteca Univ. Surcolombiana

Your cart is empty.

Logo de la biblioteca USCO

Normal view MARC view ISBD view

Aplicación de modelos supervised machine learning para la predicción de la producción de carne de bovinos: Un enfoque nutrigenético y ambiental / Dania Nayely Parra Quintero, Estefany Cortés Echeverry; Diector Christián Cortés García; Asesor de Tesis Carlos Javier Martínez Moncaleano

By: Parra Quintero, Dania Nayely [autor].
Contributor(s): Cortés Echeverry, Estefany [autor] | Cortés García, Christián Camilo [Director] | Martínez Moncaleano, Carlos Javier [Director].
Neiva: Universidad Surcolombiana; 2025Description: 1 CD-ROM (178 páginas); diagramas, mapas, tablas o cuadros; 12 cm.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Producción Bovina -- Modelo Supervised Machine Learning | Nutrigenética -- Carne de BovinosDDC classification: Th MEIC 137
Contents:
Resumen -- Antecedentes y justificación -- Fundamentos teóricos -- Objetivos de la investigación -- Metodología -- Análisis y discusión de resultados -- Conclusión
Dissertation note: Tesis Magíster en Estudios Interdisciplinarios de la Complejidad Universidad Surcolombiana. Facultad de Ciencias Exactas y Naturales. Maestría en Estudios Interdisciplinarios de la Complejidad 2025 Summary: "Este proyecto de investigación se basa en un enfoque de ciencias de la complejidad. La ganadería se aborda como un sistema adaptativo conformado por factores nutrigenéticos (raza, cruce y tipo de alimentación) que interactúan y se adaptan a cambios en el ambiente (temperatura, precipitación y humedad). Esta tesis propone implementar algoritmos de Supervised Machine Learning para predecir la producción bovina del departamento del Huila entre 2008 y 2023. Para estructurar la investigación con una visión de negocio se utilizó la metodología CRISP-DM, mediante sus fases se orientó el orden de la investigación. Se utilizó R-studio para desarrollar los algoritmos con las librerías (caredt, e1071, class, rpart, randomForest y NeuralNetTools). A partir de un conjunto de datos históricos se compararon diferentes algoritmos de regresión, evaluados mediante Cross validation destacándose SVM radial y Random Forest como los modelos que mejor se ajustan y presentan menor error predictivo frente a los demás. Se realizó una evaluación para determinar el más eficiente en la predicción; el modelo con mejor adaptación e interpretación fue el de Random Forest. El mejor modelo fue el Random Forest con 800 árboles y 64 observaciones, con un coeficiente de determinación (R^2) del 97,8% de la variabilidad de la carne, esté hace referencia al ajuste del modelo frente a las variables de observación. Finalmente se implementó este modelo para predecir la cantidad de carne en toneladas de cada municipio del departamento del Huila, confirmando su utilidad en este tipo de investigación."
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Collection Call number Copy number Status Date due Barcode Item holds
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th MEIC 137 (Browse shelf) Ej.1 Available 900000029645
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th MEIC 137 (Browse shelf) Ej.2 Available 900000029646
Total holds: 0
Browsing Biblioteca Central Shelves , Collection code: Tesis y Trabajos de Grado Close shelf browser
Th MEIC 135 Fortalecimiento de la comprensión lectora mediante una estrategia didáctica basada en TIC y modelación de resultados en Netlogo como un MBA para estudiantes de grado décimo del Colegio María Auxiliadora del municipio de Guadalupe - Huila / Th MEIC 136 Distribución geográfica de la especie Oncidium Alexandrae (Bateman) M.W.Chase & N.H.Williams. Presente en el distrito regional de manejo integrado Cerro Banderas -ojo blanco, como estrategia de conservación frente al cambio climático / Th MEIC 136 Distribución geográfica de la especie Oncidium Alexandrae (Bateman) M.W.Chase & N.H.Williams. Presente en el distrito regional de manejo integrado Cerro Banderas -ojo blanco, como estrategia de conservación frente al cambio climático / Th MEIC 137 Aplicación de modelos supervised machine learning para la predicción de la producción de carne de bovinos: Th MEIC 137 Aplicación de modelos supervised machine learning para la predicción de la producción de carne de bovinos: Th MEIC 138 Estrategias neuropedagógicas para fortalecer el pensamiento visoespacial aplicado a la práctica fractal en estudiantes de grado noveno en la Institución Educativa Julián Motta Salas / Th MEIC 138 Estrategias neuropedagógicas para fortalecer el pensamiento visoespacial aplicado a la práctica fractal en estudiantes de grado noveno en la Institución Educativa Julián Motta Salas /

Tesis Magíster en Estudios Interdisciplinarios de la Complejidad Universidad Surcolombiana. Facultad de Ciencias Exactas y Naturales. Maestría en Estudios Interdisciplinarios de la Complejidad 2025

Resumen -- Antecedentes y justificación -- Fundamentos teóricos -- Objetivos de la investigación -- Metodología -- Análisis y discusión de resultados -- Conclusión

"Este proyecto de investigación se basa en un enfoque de ciencias de la complejidad. La ganadería se aborda como un sistema adaptativo conformado por factores nutrigenéticos (raza, cruce y tipo de alimentación) que interactúan y se adaptan a cambios en el ambiente (temperatura, precipitación y humedad).
Esta tesis propone implementar algoritmos de Supervised Machine Learning para predecir la producción bovina del departamento del Huila entre 2008 y 2023.
Para estructurar la investigación con una visión de negocio se utilizó la metodología CRISP-DM, mediante sus fases se orientó el orden de la investigación. Se utilizó R-studio para desarrollar los algoritmos con las librerías (caredt, e1071, class, rpart, randomForest y NeuralNetTools).
A partir de un conjunto de datos históricos se compararon diferentes algoritmos de regresión, evaluados mediante Cross validation destacándose SVM radial y Random Forest como los modelos que mejor se ajustan y presentan menor error predictivo frente a los demás. Se realizó una evaluación para determinar el más eficiente en la predicción; el modelo con mejor adaptación e interpretación fue el de Random Forest.
El mejor modelo fue el Random Forest con 800 árboles y 64 observaciones, con un coeficiente de determinación (R^2) del 97,8% de la variabilidad de la carne, esté hace referencia al ajuste del modelo frente a las variables de observación. Finalmente se implementó este modelo para predecir la cantidad de carne en toneladas de cada municipio del departamento del Huila, confirmando su utilidad en este tipo de investigación."

There are no comments for this item.

Log in to your account to post a comment.

Powered by Koha