Machine learning con boosting sobre la percepción del servicio de internet en Perú
El acceso a Internet de calidad es esencial para el desarrollo social y económico, pero el Perú aún tiene grandes brechas en el conocimiento de sus servicios. Este estudio propone un metamodelo de aprendizaje automático basado en el aumento de la integración para clasificar los patrones de calidad p...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510368456474624 |
|---|---|
| author | Gutierrrez Beltran, Alejandro Luis Javier Fernandez Blanco, Arnold |
| author2 | Soria Quijaite, Juan Jesus |
| author_browse | Fernandez Blanco, Arnold Gutierrrez Beltran, Alejandro Luis Javier Soria Quijaite, Juan Jesus |
| author_facet | Soria Quijaite, Juan Jesus Gutierrrez Beltran, Alejandro Luis Javier Fernandez Blanco, Arnold |
| author_sort | Gutierrrez Beltran, Alejandro Luis Javier |
| collection | Repositorio institucional |
| description | El acceso a Internet de calidad es esencial para el desarrollo social y económico, pero el Perú aún tiene grandes brechas en el conocimiento de sus servicios. Este estudio propone un metamodelo de aprendizaje automático basado en el aumento de la integración para clasificar los patrones de calidad percibida de servicio de Internet residencial en Perú. Se preprocesaron 129,352 registros utilizando datos del INEI utilizando SMOTE para equilibrar categorías y seleccionar variables claves relacionadas con satisfacción, calidad, demora y servicio al cliente. Los modelos utilizados incluyen XGBoost, LightGBM, Random Foresty Logistic Regresion. Los resultados muestran que el metamodelo propuesto mejora significativamente la precisión en comparación con un modelo único con un AUC promedio al 80%. Este enfoque no sólo identifica patrones de percepción de los usuarios recomendaciones prácticas para los operadores de telecomunicaciones, enfatizando la necesidad de optimizar la infraestructura y reducir la brecha digital del país. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/8961 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Inteligencia artificial |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería eléctrica, electrónica e informática |
| ocde_str_mv | 2.02.04 |
| programa_nombre_str_mv | Ingeniería de Sistemas |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Machine learning con boosting sobre la percepción del servicio de internet en Perú Gutierrrez Beltran, Alejandro Luis Javier Fernandez Blanco, Arnold Soria Quijaite, Juan Jesus Calidad del servicio de Internet Percepción del usuario Aprendizaje automático Metamodelo de clasificación El acceso a Internet de calidad es esencial para el desarrollo social y económico, pero el Perú aún tiene grandes brechas en el conocimiento de sus servicios. Este estudio propone un metamodelo de aprendizaje automático basado en el aumento de la integración para clasificar los patrones de calidad percibida de servicio de Internet residencial en Perú. Se preprocesaron 129,352 registros utilizando datos del INEI utilizando SMOTE para equilibrar categorías y seleccionar variables claves relacionadas con satisfacción, calidad, demora y servicio al cliente. Los modelos utilizados incluyen XGBoost, LightGBM, Random Foresty Logistic Regresion. Los resultados muestran que el metamodelo propuesto mejora significativamente la precisión en comparación con un modelo único con un AUC promedio al 80%. Este enfoque no sólo identifica patrones de percepción de los usuarios recomendaciones prácticas para los operadores de telecomunicaciones, enfatizando la necesidad de optimizar la infraestructura y reducir la brecha digital del país. 2025-07-08 2025-07-16T20:03:48Z 2025-07-16T20:03:48Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/8961 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/8961 2026-11-10T21:39:33Z |
| spellingShingle | Calidad del servicio de Internet Percepción del usuario Aprendizaje automático Metamodelo de clasificación Gutierrrez Beltran, Alejandro Luis Javier Fernandez Blanco, Arnold Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title | Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title_full | Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title_fullStr | Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title_full_unstemmed | Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title_short | Machine learning con boosting sobre la percepción del servicio de internet en Perú |
| title_sort | machine learning con boosting sobre la percepcion del servicio de internet en peru |
| topic | Calidad del servicio de Internet Percepción del usuario Aprendizaje automático Metamodelo de clasificación |
| topic_facet | Calidad del servicio de Internet Percepción del usuario Aprendizaje automático Metamodelo de clasificación |
| url | https://hdl.handle.net/20.500.12840/8961 |
| work_keys_str_mv | AT gutierrrezbeltranalejandroluisjavier machinelearningconboostingsobrelapercepciondelserviciodeinternetenperu AT fernandezblancoarnold machinelearningconboostingsobrelapercepciondelserviciodeinternetenperu |