Browsing by Autor "Mamani Quisbert, David Joel"

Now showing 1 - 2 of 2

Modelo de toma de decisiones para la detección de riesgos crediticios aplicando Machine Learning
(Facultad de Ciencias Puras y Naturales, 2024) Mamani Quisbert, David Joel; Avalos Quispe, Rodrigo Hugo
El presente trabajo de investigación propone un modelo de toma de decisiones, aplicando varias técnicas del aprendizaje supervisado del Machine Learning, de las que se eligió al algoritmo que mejor se adaptó al conjunto de datos con el que se trabajó, de esta forma el modelo una vez habiendo pasado el proceso de entrenamiento, es capaz de predecir si un cliente en la etapa previa a la otorgación de crédito representa a un cliente: malo, regular, bueno o muy bueno, esto tomando en cuenta información que el cliente brinda durante esta etapa, lo que puede permitir a la entidad que gestione un crédito poder tomar decisiones o recaudos en esta instancia pues ya tiene una alerta previa, que en su atención oportuna puede evitar problemas en el futuro.
Prototipo de un videojuego de fútbol utilizando métodos de toma de decisiones de la inteligencia artificial
(Facultad de Ciencias Puras y Naturales, 2015) Mamani Quisbert, David Joel
En la actualidad, con el avance tecnológico un videojuego es una forma de entretenimiento, una prueba mental o simplemente diversión; siguiendo ciertas reglas que constituyen la base del juego en cuestión. La inteligencia artificial aplicada a videojuegos ha evolucionado, con el fin de dar una mejor experiencia a los usuarios, la intención pasa por crear agentes o personajes que asuman un comportamiento inteligente, el comportamiento llega a ser la consecuencia de la toma de decisiones; aquí radica la importancia de los métodos de toma de decisiones en la Inteligencia Artificial. En el presente trabajo se hace un estudio y aplicación de los métodos de toma de decisiones de la Inteligencia Artificial en los videojuegos, tomando específicamente como caso de estudio un videojuego de futbol, que nos permite observar una interacción compleja entre jugadores. Los métodos de estudio del presente trabajo son: árboles de decisión y árboles de comportamiento; se hace uso de Unity (Engine para el desarrollo de videojuegos) para el desarrollo del prototipo, que nos permite observar y obtener datos mediante los cuales se refleja el comportamiento de los agentes. Para esto se organiza dos equipos de futbol que jugaran entre sí, un equipo contará con jugadores regidos por los árboles de decisiones y el otro equipo con jugadores regidos por los árboles de comportamiento. Esta implementación del prototipo se lo hace bajo la metodología SUM. Finalmente se logra evidenciar que los agentes inteligentes (jugadores de futbol) regidos por árboles comportamiento asumen un mejor comportamiento inteligente sobre el equipo de jugadores regidos por los árboles de decisión. Tras evaluarse los indicadores: posesión del balón, número de pases, número de disparos al arco, número de goles y efectividad.