Browsing by Author "Fonnegra Tarazona, Rubén Darío"

Now showing 1 - 5 of 5

Análisis de calidad de datos de clientes a partir aprendizaje no supervisado en el sector de consumo.
(2024) Gutiérrez Montes, Oscar Mario; Gomez Miranda, Ingrid Natalia; Briñez de León, Juan Carlos; Fonnegra Tarazona, Rubén Darío; Roldan Colorado, Sebastián Camilo
Este trabajo presenta un análisis de la calidad de los datos de clientes en una importante empresa del sector de consumo, utilizando un modelo de aprendizaje no supervisado basado en técnicas de clustering. El análisis se desarrolla en cuatro etapas principales, comenzando con la evaluación inicial de la calidad de los datos mediante la herramienta SAP Information Steward, que sirve como fuente de datos para la implementación del modelo. El estudio se centra en un problema crítico para las empresas: la mala calidad de los datos, la cual genera pérdidas económicas significativas, afecta la credibilidad organizacional y aumenta la insatisfacción de los clientes. Con el objetivo de abordar esta problemática, se propone una metodología para diagnosticar la calidad de los datos de clientes, permitiendo identificar deficiencias y establecer las bases para la implementación de un sistema de gestión de calidad de datos. La metodología presentada combina herramientas estadísticas y modelo de Machine Learning para evaluar y clasificar los datos en función de su calidad. Este enfoque no solo proporciona un diagnóstico claro, sino que también facilita la toma de decisiones estratégicas para optimizar la gestión de los datos y mejorar la efectividad de las operaciones empresariales. Abstract: This work presents an analysis of the quality of customer data in an important company in the consumer sector, using an unsupervised learning model based on clustering techniques. The analysis is carried out in four main stages, starting with the initial assessment of data quality using the SAP Information Steward tool, which serves as the data source for the model implementation. The study focuses on a critical problem for companies: poor data quality, which generates significant economic losses, affects organizational credibility and increases customer dissatisfaction. With the aim of addressing this problem, a methodology is proposed to diagnose the quality of customer data, allowing deficiencies to be identified and the foundations to be established for the implementation of a data quality management system. The methodology presented combines statistical tools and a Machine Learning model to evaluate and classify data based on its quality. This approach not only provides a clear diagnosis, but also facilitates strategic decision making to optimize data management and improve the effectiveness of business operations.
Conexión y curación : explorando el impacto del desarrollo tecnológico y la revolución del software en la terapia mental
(Institución Universitaria Pascual Bravo, 2024) Torres Rendón, Sandra Marcela; Fonnegra Tarazona, Rubén Darío; Briñez de León, Juan Carlos
Este proyecto investiga cómo las innovaciones tecnológicas y la revolución del software pueden integrarse para ampliar y personalizar los tratamientos de salud mental. A través de una investigación exploratoria y descriptiva, se identificaron diversas tecnologías emergentes que se consideran alternativas terapéuticas complementarias a la terapia tradicional, superando sus limitaciones. A través de un análisis cuantitativo, se realizaron encuestas a profesionales de la salud mental y a pacientes con trastornos mentales, con el fin de evaluar la percepción y efectividad de estas tecnologías. Aunque actualmente su integración tiene poca acogida, los resultados muestran una actitud favorable hacia su futura incorporación, destacando mejoras en accesibilidad y personalización. Como resultado de la monografía, se propone la creación de Mentalis, una plataforma digital y holística diseñada para fortalecer la salud mental de los pacientes. Mentalis ofrecerá características gratuitas y de pago (premium) para adaptarse a las necesidades individuales de cada usuario, eliminando barreras económicas y de accesibilidad.
Desarrollo de un modelo computacional para la generación de imágenes artificiales post-contraste de MRI orientado a la síntesis de regiones con posibles lesiones tumorales en tejidos de mama
(Institución Universitaria Pascual Bravo, 2024) Montoya Duque, Juliana; Fonnegra Tarazona, Rubén Darío
El cáncer de mama, una de las principales causas de mortalidad en mujeres a nivel mundial, presenta retos significativos en cuanto a su detección temprana y tratamiento. Este proyecto aborda dichos desafíos mediante el desarrollo de un modelo computacional avanzado para la generación de imágenes artificiales post-contraste de resonancia magnética (MRI), orientado específicamente a la síntesis de regiones con posibles lesiones tumorales en tejidos mamarios. La propuesta no solo busca mejorar la calidad del diagnóstico, sino también reducir la dependencia de agentes de contraste y mitigar riesgos asociados a su uso prolongado. La metodología del trabajo se basa en dos enfoques principales: modelos U-Net y redes generativas adversarias (GANs). Para todos los modelos, se introdujo un encoder adicional para combinar la segmentación de lesiones con información global de las imágenes. Además se implementaron 3 estrategias avanzadas de conexión entre espacios latentes para estabilizar el entrenamiento y mejorar la calidad de las imágenes generadas. Las estrategias exploradas incluyen conexiones a través de mapas de características profundas (configuración F), combinaciones lineales de espacios latentes (configuración M) y combinaciones no lineales a través de capas convolucionales (configuración B). Todas estas, orientadas a preservar la estructura y el detalle anatómico de las imágenes y las características de las lesiones tumorales. Los resultados demuestran que las variaciones propuestas (F, M y B) en ambos tipos de modelo superan a las configuraciones U-Net y GAN baseline. Las evaluaciones cuantitativas con métricas como MAE, SSIM y PSNR reflejan una mayor capacidad de las variaciones para preservar características críticas en las imágenes generadas, tanto a nivel global como en regiones de interés (ROI) con tumores. La variación B destacó consistentemente, logrando la mejor optimización y estabilidad durante el entrenamiento, especialmente en las GANs. Estos resultados demuestran que los modelos propuestos permiten generar imágenes sintéticas realistas y de mayor fidelidad en función de tumores en tejidos mamarios. La integración de este trabajo en sistemas de apoyo al diagnóstico radiológico, podría fortalecer los sistemas en optimización de recursos y reducción de riesgo en los pacientes.
Elaboración de un repositorio web de técnicas quirúrgicas
(Institución Universitaria Pascual Bravo, 2023) Ramírez Valencia., Santiago; Fonnegra Tarazona, Rubén Darío
El proyecto consiste en el desarrollo de una plataforma web para la gestión y acceso a información sobre procedimientos quirúrgicos. La plataforma permitirá a los usuarios buscar y acceder a técnicas quirúrgicas específicas, así como a información detallada sobre cada procedimiento. El objetivo es proporcionar una herramienta útil y eficiente para profesionales de la salud y estudiantes en el campo de la cirugía. En el transcurso del proyecto se llevaron a cabo las siguientes actividades: Análisis de requisitos: Se identificaron las necesidades y requisitos de la plataforma, incluyendo la estructura de la información, funcionalidades requeridas y características del sistema. Recopilación de información: Se buscaron y recopilaron fuentes primarias y secundarias de información, como libros y portafolios web, relacionadas con procedimientos quirúrgicos y técnicas específicas. Diseño de la arquitectura: Se realizó un diseño de la arquitectura de la plataforma, considerando aspectos como la base de datos, la interfaz de usuario y las tecnologías a utilizar. Selección de tecnologías: Se seleccionaron las tecnologías adecuadas para el desarrollo de la plataforma, incluyendo el uso de una base de datos NoSQL como MongoDB y la biblioteca de JavaScript React para el frontend
Pascual Research: sistema inteligente de generación y análisis de información académica basado en modelos de lenguaje.
(Institución Universitaria Pascual Bravo, 2025) Jaramillo Méndez, Juliana; Fonnegra Tarazona, Rubén Darío
El presente trabajo surgió ante la necesidad de optimizar el acceso a la información científica perteneciente a los diversos documentos dentro de la Institución Universitaria Pascual Bravo (IUPB), donde la dispersión de la información y el creciente volumen de publicaciones representan un reto para la reutilización de las fuentes académicas para estudiantes e investigadores de la institución. Dado el auge, la gran comunidad y la expansión acelerada de la inteligencia artificial y, en particular, de los Grandes Modelos de Lenguaje Natural (LLM), se identificó la oportunidad de aprovechar estas herramientas como apoyo en la centralización y consulta de conocimiento académico de manera ágil y confiable. Para lo anterior, se entrenó un modelo de lenguaje tipo chat con bases de datos generadas a partir de documentos académicos propios de la IUPB, orientado a responder preguntas con contenido relevante y verídico. Este proceso incluyó la recopilación y estructuración de un dataset institucional por medio de un proceso de generador y juez con apoyo de otras LLM existentes; las selección y fine-tuning del modelo más adecuado basado en el costo de recursos-beneficio; la evaluación de su desempeño mediante pruebas adaptadas al español del Benchmark GLUE; y la implementación de una interfaz conversacional en el servicio de Telegram que permitió una interacción práctica y gratuita con el modelo. A pesar de los retos encontrados, se logró cumplir con los objetivos propuestos, pues el modelo demostró coherencia en sus respuestas, utilidad práctica y potencial para fortalecer procesos de investigación institucional lo que deja en evidencia el rápido avance del campo de la inteligencia artificial y deja abiertas las posibilidades a futuras mejoras relacionadas con la ampliación del presente proyecto. Abstract: The current work arose from the need to optimize the access to scientific information contained in various documents within the Pascual Bravo University Institution (IUPB), where the dispersion of information and the growing volume of publications represent a challenge for the reuse of academic sources by students and researchers at the institution. Given the peak, the big community and the fast expansion of artificial intelligence and, particularly, of the Large Language Models (LLMs), an opportunity was identified to leverage these tools to support the centralization and consultation of academic knowledge in an agile and reliable way. To this end, a chat-type language model was trained with databases generated from the IUPB’s own academic documents, aimed at answering questions with relevant and accurate content. This process included the collection and structuring of an institutional dataset through a generator and judge pipeline with the support of other existing LLMs; the selection and fine-tuning of the most appropriate model based on the cost-benefit; the evaluations of its performance through tasks adapted to spanish from the GLUE Benchmark; and the implementation of a conversational interface in the Telegram service that allowed the practical and free interaction with the model. Despite the challenges encountered, the proposed objectives were achieved, because the model demonstrated coherence on its responses, practical usefulness and potential to strengthen institutional research processes which highlights the fast progress in the field of artificial intelligence and opens up possibilities for future improvements related to the growth of this project.