New cskt methodology to improve machine learning implementation projects in industrial engineering at a public university
Article Sidebar
Main Article Content
Abstract
The research proposes a methodology taking the best parts of the CRISP-DM, SEMMA, KDD and TDSP approaches, for this first a systematic review was conducted, it was oriented to a business approach, taking into consideration the guidelines of data mining, in the process of pilot validation was conducted in a public university to assess the satisfaction of the proposed model, obtaining 67%, which implies that the model has many opportunities to improve and mature to achieve a reference model. Despite having been implemented within the Industrial Engineering career, it was determined that the model can achieve the same or better results in a public or private company. The model allows to show the activities to follow with a business approach and to become a reference for Machine Learning implementations
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
El contenido de los artículos es responsabilidad exclusiva de los autores.
Debe cumplir con los siguientes aspectos de la licencia CC BY NC ND :
- Atribución: debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizó algún cambio. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
- No comercial: el material no se puede utilizar con fines comerciales.
- Sin derivados: si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.
- Sin restricciones adicionales: No se pueden aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
References
Al-Anqoudi, Y., Al-Hamdani, A., Al-Badawi, M., & Hedjam, R. (2021). Using Machine Learning in business process re-engineering. Big Data & Cognitive Computing, 5(4), 61.
Bhardwaj, G., Singh, S. V., & Kumar, V. (2020). An Empirical Study of Artificial Intelligence and its Impact on Human Resource Functions. En 2020 International Conference on Computation, Automation and Knowledge Management (ICCAKM) (pp. 47-51). Documento en línea. Disponible. doi: 10.1109/ICCAKM46823.2020.9051544.
Cabello, J. (2021) ¿Cuánto cuesta realmente una página web? Descubre su precio justo. Diseñador Web Experto en Funnels
Camargo, J. L. (2022). Propuesta e implementación de un modelo para el rediseño organizacional y su influencia en la transformación digital en el sector público. Un Camino hacia la transformación digital; Road to digital transformation (p. 5). SESU Editorial.
Camargo, J. L., Baca, L. D. H., Valencia, E. T., Aquino, R. E. A., Miranda, A. G. R., & Camargo, L. G. L. (2022). Facial recognition proposal with the use of Python. In 2022 17th Iberian Conference on Information Systems and Technologies (CISTI) (pp. 1-5). IEEE.
Dennis, M. J., & Aizenberg, E. (2022). The Ethics of AI in Human Resources. Ethics and Information Technology, 24(3). Documento en línea. Disponible. https://doi.org/10.1007/s10676-022-09653-y
Lira Camargo, J. (2016). Rediseño e implementación de escalafón y su influencia en la calidad de atención a los usuarios en una entidad del estado, Periodo 2014-2015.
Sampieri, R. H., Collado, C. F., Lucio, P. B., Valencia, S. M., & Torres, C. P. M. (2014). Metodología de la investigación. McGraw Hill España.
Velásquez, F., & Alejandro, D. (2019). Técnicas de Machine Learning aplicado a la predicción de fuga de clientes en una institución de salud previsional bajo la metodología KDD. Universidad Andrés Bello.
Venusamy, K., Krishnan Rajagopal, N., & Yousoof, M. (2020). A study of Human Resources Development through Chatbots using Artificial Intelligence. En 2020 3rd International Conference on Intelligent Sustainable Systems (ICISS) (pp. 94-99). Documento en línea. Disponible. doi: 10.1109/ICISS49785.2020.9315881