Modelo de predicción para la demanda de usos en las escuelas de natación de una Caja de compensación / (Registro nro. 23473)

000 -CABECERA
Campo de control de longitud fija 01950nmm a2200229 a 4500
008 - CAMPO FIJO DE DESCRIPCIÓN FIJA--INFORMACIÓN GENERAL
Campo de control de longitud fija 151109e2022 sp ||||fq||d| 00| 0 spa d
082 40 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY
Número de clasificación Decimal 005.74
Número de documento (Cutter) G245m
Número de edición DEWEY 23
100 1# - ENCABEZAMIENTO PRINCIPAL--NOMBRE PERSONAL
Nombre de persona Garzón Márquez , Camilo.
9 (RLIN) 23699
245 00 - TÍTULO PROPIAMENTE DICHO
Título Modelo de predicción para la demanda de usos en<br/>las escuelas de natación de una Caja de<br/>compensación / <br/>
Mención de responsabilidad, etc. Camilo Garzón Márquez .
260 3# - PUBLICACIÓN, DISTRIBUCIÓN, ETC (PIE DE IMPRENTA)
Lugar de publicación, distribución, etc. Bogotá :
Nombre del editor, distribuidor, etc. Escuela Colombiana de Ingeniería Julio Garavito,
Fecha de publicación, distribución, etc. 2022.
300 ## - DESCRIPCIÓN FÍSICA
Extensión 51 paginas.
Otros detalles físicos ilustraciones. ;
502 ## - NOTA DE TESIS
Nota de Disertaciones ( Magister en Ciencia de Datos.)
520 ## - RESUMEN, ETC.
Nota de sumario, etc. El pronóstico de la demanda es clave para la gerencia de Recreación y Deportes en la CAJA<br/>COLOMBIANA DE SUBSIDIO FAMILIAR (COLSUBSIDIO). Por medio del ciclo CRISPDM (entendimiento del negocio, entendimiento de los datos, preparación de los datos,<br/>modelado, evaluación y despliegue) se desarrolló un modelo predictivo que permite pronosticar<br/>la cantidad de sesiones en las escuelas de natación por sede, nivel, intensidad, día, intervalo, tipo<br/>de afiliado (categoría A, B, C). Esta demanda permite estimar la ocupación por piscina y los<br/>gastos asociados a la operación de las escuelas de natación como mantenimiento, limpieza,<br/>arriendo, entre otros. Dada la temporalidad de los programas, la calidad de la información, los<br/>continuos cambios de procesos y el impacto de la pandemia, el ejercicio se ejecutó a través de un<br/>matchup entre varios modelos como Regresión logística, Holt Winters, ETS Estocástico,<br/>XGBoost, Decision Tree y SVM, obteniendo una confianza del modelo entre 30% y 80%.
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA
Nombre de materia o nombre geográfico como elemento de entrada ANALISIS DE DATOS
9 (RLIN) 1220
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA
Nombre de materia o nombre geográfico como elemento de entrada OPTIMIZACIÓN
Subdivisión general USO DE LAS PICINAS
Subdivisión geográfica CAJA DE COMPENSACIÓN
9 (RLIN) 66516
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA
Nombre de materia o nombre geográfico como elemento de entrada MODELOS ESTADÍSTICOS
9 (RLIN) 66517
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL
Nombre de persona Conti, Dante
Término relacionador director.
9 (RLIN) 8595
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL
Nombre de persona Tolosa Robayo, Alejandro
Término relacionador Autor.
9 (RLIN) 66531
856 ## - ACCESO ELECTRÓNICO
Identificador uniforme del recurso URI http://repositorio.escuelaing.edu.co/handle/001/2458
942 ## - ELEMENTOS KOHA
Fuente de clasificación o esquema de ordenación en estanterías
Koha tipo de item TRABAJOS DE GRADO
Existencias
Disponibilidad Mostrar en OPAC Fuente de clasificación o esquema Tipo de Descarte Estado Formato de Material Localización permanente Localización actual Colección Fecha adquisición Proveedor Forma de Adq Precio normal de compra Datos del ítem (Volumen, Tomo) Préstamos totales Signatura completa Código de barras Fecha última consulta Número de ejemplar Propiedades de Préstamo KOHA Programa Académico
        Préstamo Normal Digital Biblioteca Jorge Álvarez Lleras Biblioteca Jorge Álvarez Lleras Fondo general 2023-06-16 Maestría en ciencia de datos Donación 0.00 Ej.1   005.74 G245m D002366 2023-06-22 1 TRABAJOS DE GRADO Maestría en Ciencia de Datos