Proceso de titulación - Examen complejo de grado o de fin de carrera - Algoritmo de machine learning en el reconocimiento de imágenes

Aug 3, 2026

Subir por Rowan

El reconocimiento de imágenes mediante Machine Learning (ML) es una subárea de la inteligencia artificial que permite a las computadoras interpretar y comprender imágenes con mayor cercanía a la percepción humana. La investigación se centra en redes neuronales convolucionales (CNNs), orientadas a procesar datos con estructura reticular propia de las imágenes, y organiza el trabajo en la recopilación y preparación de datos, la selección del modelo, el entrenamiento y la evaluación. Se sustenta su empleo por la precisión alcanzable, la automatización y la adaptación a nuevas tareas, reduciendo el esfuerzo humano, con énfasis en la identificación de patrones visuales y sus retos asociados.

IdiomaSpanish

CategoríaExamen

FormatoPDF

Páginas40

Tiempo de lectura1 h 2 min

AccesoGratis para descargar

Tabla de contenidos

Planteamiento del problema

Justificación

Objetivos

Objetivo general

Objetivos específicos

Líneas de investigación

Marco conceptual

Machine Learning

Tipos de aprendizaje automático

Aprendizaje supervisado

Aprendizaje no supervisado

Aprendizaje semisupervisado

Aprendizaje por refuerzo

Aplicaciones del Machine Learning en diferentes campos

Redes neuronales convolucionales (CNNs)

Reconocimiento de imágenes

Procesamiento de Lenguaje Natural (NLP)

Índice de gráficos

UNIVERSIDAD TÉCNICA DE BABAHOYO FACULTAD DE ADMINISTRACIÓN, FINANZAS E INFORMÁTICA PROCESO DE TITULACIÓN ABRIL 2024 – AGOSTO 2024 EXAMEN COMPLEXIVO DE GRADO O DE FIN DE CARRERA PRUEBA PRÁCTICA PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN SISTEMAS DE INFORMACIÓN TEMA: ALGORITMO DE MACHINE LEARNING EN EL RECONOCIMIENTO DE IMÁGENES ESTUDIANTE: QUINTO RODRIGUEZ DENECIS NOEMY TUTOR: ING. SOTO VALLE CARLOS JULIO ÍNDICE PLANTEAMIENTO DEL PROBLEMA ........................................................................... 7 JUSTIFICACIÓN ............................................................................................................... 9 OBJETIVOS ..................................................................................................................... 11 Objetivo general ............................................................................................................ 11 Objetivos específicos .................................................................................................... 11 LÍNEAS DE INVESTIGACIÓN ...................................................................................... 12 MARCO CONCEPTUAL ................................................................................................ 13 Machine Learning ......................................................................................................... 13 Tipos de Aprendizaje Automático .................................................................................... 13 Aprendizaje supervisado ............................................................................................... 13 Clasificación ..................................................................................................................... 14 Regresión .......................................................................................................................... 15 Aprendizaje no supervisado .............................................................................................. 16 Clustering (Agrupamiento) ............................................................................................... 16 Asociación......................................................................................................................... 16 Aprendizaje semisupervisado ........................................................................................... 17 Aprendizaje por refuerzo .................................................................................................. 17 Aplicaciones del Machine Learning en diferentes campos............................................... 17 Sector Financiero .......................................................................................................... 17 Asistencia virtual .............................................................................................................. 18 Marketing, publicidad y redes sociales ............................................................................. 18 Desplazamiento y viajes ................................................................................................... 18 Salud y medicina ............................................................................................................... 18 Comunicaciones ................................................................................................................ 19 Seguridad .......................................................................................................................... 19 Industria ............................................................................................................................ 19 Redes Neuronales Convolucionales (CNNs) .................................................................... 19 Estructura de las CNNs ...................................................................................

Preguntas frecuentes

Qué enfoque utiliza la investigación para el reconocimiento de imágenes?

Utiliza Machine Learning, con especial atención en redes neuronales convolucionales (CNNs) diseñadas para procesar datos tipo imagen con estructura reticular.

Cómo se organiza el proceso de trabajo para entrenar y evaluar el modelo?

Incluye recopilación y preparación de datos, selección del modelo, entrenamiento y evaluación del desempeño.

Por qué se justifica el uso de Machine Learning en el reconocimiento de imágenes?

Por su alta precisión, capacidad de automatización y adaptación a nuevas tareas, lo que reduce de forma significativa el esfuerzo humano.

Aug 3, 2026

Subir por Rowan