Machine Learning como estrategia pedagógica lúdica para planeación de producción
- Autores:
-
Ramírez, Leila Nayibe
Villamil, Ana María
Vásquez, Andrea Patricia
Osorio Quiceno, Mariluz
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Cundinamarca
- Repositorio:
- Repositorio UdeC
- Idioma:
- OAI Identifier:
- oai:repositorio.cun.edu.co:cun/10848
- Acceso en línea:
- https://repositorio.cun.edu.co/handle/cun/10848
https://doi.org/10.52143/2346139X.812
- Palabra clave:
- planeación de los requerimientos
Machine learning
Python
lúdica
- Rights
- openAccess
- License
- #ashtag - 2020
| id |
RUCUN2_8667c80918ef78cc7f166bae817102ec |
|---|---|
| oai_identifier_str |
oai:repositorio.cun.edu.co:cun/10848 |
| network_acronym_str |
RUCUN2 |
| network_name_str |
Repositorio UdeC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| title |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| spellingShingle |
Machine Learning como estrategia pedagógica lúdica para planeación de producción planeación de los requerimientos Machine learning Python lúdica |
| title_short |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| title_full |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| title_fullStr |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| title_full_unstemmed |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| title_sort |
Machine Learning como estrategia pedagógica lúdica para planeación de producción |
| dc.creator.fl_str_mv |
Ramírez, Leila Nayibe Villamil, Ana María Vásquez, Andrea Patricia Osorio Quiceno, Mariluz |
| dc.contributor.author.spa.fl_str_mv |
Ramírez, Leila Nayibe Villamil, Ana María Vásquez, Andrea Patricia Osorio Quiceno, Mariluz |
| dc.subject.none.fl_str_mv |
planeación de los requerimientos Machine learning Python lúdica |
| topic |
planeación de los requerimientos Machine learning Python lúdica |
| publishDate |
2025 |
| dc.date.issued.none.fl_str_mv |
%0-%06-%26 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-26 00:00:00 2025-11-05T14:58:56Z |
| dc.date.available.none.fl_str_mv |
2020-06-26 00:00:00 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.cun.edu.co/handle/cun/10848 |
| dc.identifier.doi.none.fl_str_mv |
10.52143/2346139X.812 |
| dc.identifier.eissn.none.fl_str_mv |
2346-139X |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.52143/2346139X.812 |
| url |
https://repositorio.cun.edu.co/handle/cun/10848 https://doi.org/10.52143/2346139X.812 |
| identifier_str_mv |
10.52143/2346139X.812 2346-139X |
| dc.language.iso.none.fl_str_mv |
|
| language_invalid_str_mv |
|
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.cun.edu.co/index.php/hashtag/article/download/812/572 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 16 , Año 2020 : Revista Hashtag 2020A |
| dc.relation.citationendpage.none.fl_str_mv |
83 |
| dc.relation.citationissue.spa.fl_str_mv |
16 |
| dc.relation.citationstartpage.none.fl_str_mv |
66 |
| dc.relation.citationvolume.spa.fl_str_mv |
1 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
#ashtag |
| dc.relation.references.none.fl_str_mv |
Caja García, O. (2020). Librería Python para el aprendizaje y la implementación de redes neuronales (Doctoral dissertation, Universitat Politècnica de València). Recuperado de https:// riunet.upv.es/handle/10251/152226 Calancha, C., & Abgar, N. (2011). Breve aproximación a la técnica de árbol de decisiones. Recuperado de https://niefcz. files. wordpress. com/2011/07/breve-aproximacion-a-la-tecnica- de-arbol-de-decisiones. pd. Chang, S., Cohen, T. & Ostdiek, B. (2018). What is machine learning?. Physical Review D. (97). Recuperado de https://journals.aps.org/prd/abstract/10.1103/PhysRevD. 97.056009 Cognodata (2019). ¿Qué Es El Análisis Descriptivo?. Recuperado de https://www.cognodata. com/que-es-analisis-descriptivo/ González, Nelson Vladimir Yepes (2015). La educación lúdica en los procesos de enseñanza aprendizaje de los ingenieros industriales.” Encuentro Internacional de Educación en Ingeniería. Haykin, S. (2004). Neural Networks. A Comprehensive Foundation. Vol. 2. Prentice Hall. Hernández Cruz, Harold. (2015). La Lúdica En El Aula de Ingeniería. Revisión de Experiencias. Revista de Ingeniería, Matemáticas y Ciencias de La Información. 2(3):67–71. Ithandehuil C. & Crisólogo, D. (2006). Lectura e Interpretación de Gráficas Socialmente Compartidas. Revista Latinoamericana de Investigación en matemática educativa. Katuu, S. (2020). New Review of Information Networking Enterprise Resource Planning: Past, Present, and Future.” New Review of Information Networking 25(1):37–46. Doi: 10.1080/13614576.2020.1742770. Marco, F. J. (s.f.) R cuadrado ajustado: coeficiente de determinación ajustado. Recuperado de_https://economipedia.com/definiciones/r-cuadrado-ajustado-coeficiente- de-determinacion-ajustado.html Minitab. (18 de abril de 2019). Análisis de Regresión: ¿Cómo Puedo Interpretar El R-Cuadrado y Evaluar La Bondad de Ajuste? [Entrada de blog]. Recuperado de https:// blog.minitab.com/es/analisis-de-regresion-como-puedo-interpretar-el-r-cuadrado- y-evaluar-la-bondad-de-ajuste Moscote, O., and & Quintana, R. (2008). Estadistica I: Programa administracion publica territorial. Murphy, K. P. (2006). Naive bayes classifiers. University of British Columbia, 18(60), 1-8. Mesa L., Lozano, M. R., & Davila, J.. (2011). Descripción general de la Inferencia Bayesiana y sus aplicaciones en los procesos de gestión. La simulación al Servicio de la Academia, 2, 1-28. Orozco, J. A. (2018). Machine Learning y su importancia en la actualidad. Recuperado de_https://www.ipade.mx/2018/08/30/machine-learning-y-su-importancia- en-la-actualidad/ Quiceno, M. O., & Jaramillo, C. (2006). Utilización de la lúdica para la enseñanza del MRP I. Scientia et technica, 3(32). Doi: https://doi.org/10.22517/23447214.6289. Pedregosa, F. et al. (2011). Scikit-Learn: Machine Learning in Python. Journal of Machine Learning Research 12:28, 25–30. Ranjeeth, S., Latchoumi, T. P., & Paul, P. V. (2021). Optimal stochastic gradient descent with multilayer perceptron based student’s academic performance prediction model. Recent Advances in Computer Science and Communications (Formerly: Recent Patents on Computer Science), 14(6), 1728-1741. Rodriguez, A. M. P., Mejia, K. A. P., & Ramos, A. F. S. (2016). Propuesta de un juego de mesa como herramienta didáctica para la explicación de conceptos de control de inventarios en programas de ingeniería industrial. Revista educación en ingeniería, 11(21), 45-50. Soto, G. R. (2011). El teorema de Bayes. Revista De Educación Matemática, 26(3), 3-25. Weisstein, E. W. (2006). Correlation coefficient. Recuperado de https://mathworld. wolfram.com/. Wiper, M. (s.f.). Probabilidad condicionada y el teorema de BAYES ¿Cambiarías de Puerta? Recuperado de http://halweb.uc3m.es/esp/Personal/personas/mwiper/docencia/ Spanish/Teoria_Est_El/tema4_orig.pdf |
| dc.rights.none.fl_str_mv |
#ashtag - 2020 |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
#ashtag - 2020 https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Fondo Editorial CUN |
| dc.source.none.fl_str_mv |
https://revistas.cun.edu.co/index.php/hashtag/article/view/812 |
| institution |
Universidad de Cundinamarca |
| bitstream.url.fl_str_mv |
https://repositorio.cun.edu.co/bitstreams/72dfccca-55d1-40c6-8958-12c892ad9657/download |
| bitstream.checksum.fl_str_mv |
7d40738984a4d6c3316b4c104723e470 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Digital Corporación Unificada Nacional de Educación Superior |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1849967349611888640 |
| spelling |
Ramírez, Leila NayibeVillamil, Ana MaríaVásquez, Andrea PatriciaOsorio Quiceno, Mariluz2020-06-26 00:00:002025-11-05T14:58:56Z2020-06-26 00:00:00%0-%06-%26https://repositorio.cun.edu.co/handle/cun/1084810.52143/2346139X.8122346-139Xhttps://doi.org/10.52143/2346139X.812application/pdfFondo Editorial CUN#ashtag - 2020https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistas.cun.edu.co/index.php/hashtag/article/view/812planeación de los requerimientosMachine learningPythonlúdicaMachine Learning como estrategia pedagógica lúdica para planeación de producciónArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionhttps://revistas.cun.edu.co/index.php/hashtag/article/download/812/572Núm. 16 , Año 2020 : Revista Hashtag 2020A8316661#ashtagCaja García, O. (2020). Librería Python para el aprendizaje y la implementación de redes neuronales (Doctoral dissertation, Universitat Politècnica de València). Recuperado de https:// riunet.upv.es/handle/10251/152226 Calancha, C., & Abgar, N. (2011). Breve aproximación a la técnica de árbol de decisiones. Recuperado de https://niefcz. files. wordpress. com/2011/07/breve-aproximacion-a-la-tecnica- de-arbol-de-decisiones. pd. Chang, S., Cohen, T. & Ostdiek, B. (2018). What is machine learning?. Physical Review D. (97). Recuperado de https://journals.aps.org/prd/abstract/10.1103/PhysRevD. 97.056009 Cognodata (2019). ¿Qué Es El Análisis Descriptivo?. Recuperado de https://www.cognodata. com/que-es-analisis-descriptivo/ González, Nelson Vladimir Yepes (2015). La educación lúdica en los procesos de enseñanza aprendizaje de los ingenieros industriales.” Encuentro Internacional de Educación en Ingeniería. Haykin, S. (2004). Neural Networks. A Comprehensive Foundation. Vol. 2. Prentice Hall. Hernández Cruz, Harold. (2015). La Lúdica En El Aula de Ingeniería. Revisión de Experiencias. Revista de Ingeniería, Matemáticas y Ciencias de La Información. 2(3):67–71. Ithandehuil C. & Crisólogo, D. (2006). Lectura e Interpretación de Gráficas Socialmente Compartidas. Revista Latinoamericana de Investigación en matemática educativa. Katuu, S. (2020). New Review of Information Networking Enterprise Resource Planning: Past, Present, and Future.” New Review of Information Networking 25(1):37–46. Doi: 10.1080/13614576.2020.1742770. Marco, F. J. (s.f.) R cuadrado ajustado: coeficiente de determinación ajustado. Recuperado de_https://economipedia.com/definiciones/r-cuadrado-ajustado-coeficiente- de-determinacion-ajustado.html Minitab. (18 de abril de 2019). Análisis de Regresión: ¿Cómo Puedo Interpretar El R-Cuadrado y Evaluar La Bondad de Ajuste? [Entrada de blog]. Recuperado de https:// blog.minitab.com/es/analisis-de-regresion-como-puedo-interpretar-el-r-cuadrado- y-evaluar-la-bondad-de-ajuste Moscote, O., and & Quintana, R. (2008). Estadistica I: Programa administracion publica territorial. Murphy, K. P. (2006). Naive bayes classifiers. University of British Columbia, 18(60), 1-8. Mesa L., Lozano, M. R., & Davila, J.. (2011). Descripción general de la Inferencia Bayesiana y sus aplicaciones en los procesos de gestión. La simulación al Servicio de la Academia, 2, 1-28. Orozco, J. A. (2018). Machine Learning y su importancia en la actualidad. Recuperado de_https://www.ipade.mx/2018/08/30/machine-learning-y-su-importancia- en-la-actualidad/ Quiceno, M. O., & Jaramillo, C. (2006). Utilización de la lúdica para la enseñanza del MRP I. Scientia et technica, 3(32). Doi: https://doi.org/10.22517/23447214.6289. Pedregosa, F. et al. (2011). Scikit-Learn: Machine Learning in Python. Journal of Machine Learning Research 12:28, 25–30. Ranjeeth, S., Latchoumi, T. P., & Paul, P. V. (2021). Optimal stochastic gradient descent with multilayer perceptron based student’s academic performance prediction model. Recent Advances in Computer Science and Communications (Formerly: Recent Patents on Computer Science), 14(6), 1728-1741. Rodriguez, A. M. P., Mejia, K. A. P., & Ramos, A. F. S. (2016). Propuesta de un juego de mesa como herramienta didáctica para la explicación de conceptos de control de inventarios en programas de ingeniería industrial. Revista educación en ingeniería, 11(21), 45-50. Soto, G. R. (2011). El teorema de Bayes. Revista De Educación Matemática, 26(3), 3-25. Weisstein, E. W. (2006). Correlation coefficient. Recuperado de https://mathworld. wolfram.com/. Wiper, M. (s.f.). Probabilidad condicionada y el teorema de BAYES ¿Cambiarías de Puerta? Recuperado de http://halweb.uc3m.es/esp/Personal/personas/mwiper/docencia/ Spanish/Teoria_Est_El/tema4_orig.pdfPublicationOREORE.xmltext/xml2660https://repositorio.cun.edu.co/bitstreams/72dfccca-55d1-40c6-8958-12c892ad9657/download7d40738984a4d6c3316b4c104723e470MD51falseAnonymousREADcun/10848oai:repositorio.cun.edu.co:cun/108482025-11-05 09:58:57.174https://creativecommons.org/licenses/by-nc-sa/4.0/#ashtag - 2020metadata.onlyhttps://repositorio.cun.edu.coRepositorio Digital Corporación Unificada Nacional de Educación Superiorbdigital@metabiblioteca.com |