Nueva metodología cskt para mejorar los proyectos de implementación de machine learning en ingeniería industrial en una universidad pública

Abstract

La investigación propone una metodología tomando las mejores partes de los enfoques de CRISP-DM, SEMMA, KDD y TDSP, para ello primero se realizó una revisión sistemática, se orientó a un enfoque empresarial, tomando en consideración la pautas de la minería de datos, en el proceso de la validación piloto se realizó en una universidad pública para evaluar que la satisfacción de la propuesta del modelo, obteniendo un 67%, lo cual implica que el modelo tiene muchas oportunidades de mejorar y madurar para lograr un modelo de referencia. A pesar de haber implementado dentro de la carrera de Ingeniería Industrial, se logró determinar que dicho modelo puede lograr los mismos resultados o mejores en una empresa sea pública o privada. El modelo permite mostrar las actividades a seguir con un enfoque empresarial y se logre ser referente para las implementaciones de Machine Learning

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.