[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125503-es":3,"doc-seo-125503-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},125503,962084925290,"Ophelia","https://ap-avatar.wpscdn.com/davatar_085a072bc5b1113ac321206ff7593b45",41,"Investigación e Informes","DESARROLLO DE UN MODELO BASADO EN MACHINE LEARNING PARA PRONOSTICAR EL NÚMERO DE USUARIOS DE TELEVISIÓN POR SUSCRIPCIÓN PARA EL DEPARTAMENTO DE CUNDINAMARCA","El documento presenta el desarrollo de un modelo basado en machine learning orientado a pronosticar el número de usuarios de televisión por suscripción para el departamento de Cundinamarca. Incluye un planteamiento del problema y su justificación, define objetivos general y específicos, desarrolla un marco de referencia con antecedentes, conceptos de aprendizaje supervisado y no supervisado, evaluación de desempeño, base de datos y aspectos estadísticos y legales. Finalmente, describe la metodología con recolección, limpieza y preprocesamiento de datos para habilitar el proceso de modelado y validación.","DESARROLLO DE UN MODELO BASADO EN MACHINE LEARNING PARA PRONOSTICAR EL NUMERO DEUSUARIOS DE TELEVISION POR SUSCRIPCION PARA EL DEPARTAMENTO DE CUNDINAMARCA  \nAutor  \nANDRES FELIPE BARRERA ESTEPA FABIAN ANDRES GALLEGO VALCÁRCEL  \nUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS  \nFacultad Tecnológica Ingeniería en Telecomunicaciones  \nBogotá D.C. abril, 2025  \nDESARROLLO DE UN MODELO BASADO EN MACHINE LEARNING PARA PRONOSTICAR EL NUMERO DEUSUARIOS DE TELEVISION POR SUSCRIPCION PARA EL DEPARTAMENTO DE CUNDINAMARCA  \nAutor  \nANDRES FELIPE BARRERA ESTEPA [afbarrerae@udistrital.edu.co](afbarrerae@udistrital.edu.co)[ ](afbarrerae@udistrital.edu.co)FABIAN ANDRES GALLEGO VALCÁRCEL [fagallegov@udistrital.edu.co](fagallegov@udistrital.edu.co)  \nModalidad  \nMonografía  \nPresentado para optar al título de: Ingeniero en Telecomunicaciones  \nDirector  \nIng. Luis Fernando Pedraza Martínez, PhD.  \nUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS  \nFacultad Tecnológica  \nIngeniería en Telecomunicaciones  \nBogotá D.C. abril, 2025  \nDedicatoria  \nA nuestras familias, compañeros y profesores, que nos brindaron todo el apoyo en la carrera.  \nÍndice  \nDedicatoria ..................................................................................................................................... iii  \nÍndice .............................................................................................................................................. iv  \nÍ[ndice de Figuras ............................................................................................................................ vi](ndice de Figuras ............................................................................................................................ vi)  \nÍndice de Tablas ............................................................................................................................ viii  \nGlosario .......................................................................................................................................... ix  \nLista de Abreviaturas y Siglas ......................................................................................................... x  \nResumen ......................................................................................................................................... xi  \n1. Introducción............................................................................................................................. 1  \n2. Planteamiento del problema .................................................................................................... 2  \n3. Justificación ............................................................................................................................. 3  \n4. Objetivos.................................................................................................................................. 4  \n4.1. Objetivo General ............................................................................................................. 4  \n4.2. Objetivos específicos ....................................................................................................... 4  \n5. Marco de referencia ................................................................................................................. 5  \n5.1. Antecedentes.................................................................................................................... 5  \n5.2. Marco teórico................................................................................................................... 7  \n5.2.1. Machine Learning........................................................................................................ 7  \n5.2.2. Datos De Entrenamiento Y De Prueba ........................................................................ 8  \n5.2.3. Tipos De Aprendizaje En Machine Learning .............................................................. 8  \n5.2.3.1. Aprendizaje No Supervi","cbCaimjmLhNX551v","https://ap.wps.com/l/cbCaimjmLhNX551v","pdf",3302228,3,1,82,"Spanish","es",110,"# Introducción\n# Planteamiento del problema\n# Justificación\n# Objetivos\n## Objetivo General\n## Objetivos específicos\n# Marco de referencia\n## Antecedentes\n## Marco teórico\n### Machine Learning\n### Datos De Entrenamiento Y De Prueba\n### Tipos De Aprendizaje En Machine Learning\n### Sobreajuste y Ajuste Insuficiente\n### Indicadores De Desempeño En Machine Learning\n### Base De Datos\n### Librerías\n### Conceptos de estadística\n## Marco Legal\n# Metodología\n## Recolección, limpieza y exploración de los datos\n### Recolección de Datos\n### Limpieza y Preprocesamiento de Datos","[{\"question\":\"Cuál es el objetivo principal del documento?\",\"answer\":\"Desarrollar un modelo basado en machine learning para pronosticar el número de usuarios de televisión por suscripción en el departamento de Cundinamarca.\"},{\"question\":\"Qué temas incluye el marco teórico del trabajo?\",\"answer\":\"Aborda machine learning, datos de entrenamiento y prueba, tipos de aprendizaje (no supervisado, semi supervisado, por refuerzo y supervisado), sobreajuste y ajuste insuficiente, indicadores de desempeño, base de datos, librerías y conceptos de estadística.\"},{\"question\":\"Cómo se plantea la preparación de los datos dentro de la metodología?\",\"answer\":\"La metodología contempla la recolección de datos, la limpieza y el preprocesamiento, incluyendo la exploración de la información antes de modelar.\"}]","DESARROLLO DE UN MODELO BASADO EN MACHINE LEARNING PARA PRONOSTICAR EL NÚMERO DE USUARIOS DE TELEVISIÓN POR SUSCRIPCIÓN PARA EL DEPARTAMENTO DE CUNDINAMARCA | PDF",1785899405,126,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"development-of-a-machine-learning-based-model-to-forecast-the-number-of-subscription-television-users-for-the-department-of-cundinamarca","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/es/document/investigación-e-informes/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/development-of-a-machine-learning-based-model-to-forecast-the-number-of-subscription-television-users-for-the-department-of-cundinamarca/125503/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-16","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Cuál es el objetivo principal del documento?","Question",{"text":76,"@type":77},"Desarrollar un modelo basado en machine learning para pronosticar el número de usuarios de televisión por suscripción en el departamento de Cundinamarca.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Qué temas incluye el marco teórico del trabajo?",{"text":81,"@type":77},"Aborda machine learning, datos de entrenamiento y prueba, tipos de aprendizaje (no supervisado, semi supervisado, por refuerzo y supervisado), sobreajuste y ajuste insuficiente, indicadores de desempeño, base de datos, librerías y conceptos de estadística.",{"name":83,"@type":74,"acceptedAnswer":84},"Cómo se plantea la preparación de los datos dentro de la metodología?",{"text":85,"@type":77},"La metodología contempla la recolección de datos, la limpieza y el preprocesamiento, incluyendo la exploración de la información antes de modelar.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]