Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia

Este proyecto desarrolla una aplicación basada en Support Vector Machines (SVM) y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia. Utilizando datos recopilados por el Ministerio de Tecnologías de la I...

Full description

Autores:
Sánchez Acuña, Carlos Orlando
Jiménez Rodríguez, William Camilo
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/93851
Acceso en línea:
http://hdl.handle.net/11349/93851
Palabra clave:
Calidad del servicio
Mineria de datos
Programación
Servicios de telecomunicaciones
Maquinas de sectores soporte
Ingeniería en Telecomunicaciones -- Tesis y disertaciones académicas
Telecomunicaciones -- Servicios
Aprendizaje automático (Inteligencia artificial)
Programación paralela (Computadores electrónicos)
Análisis de datos
Service Quality
Telecommunications services
Data mining
Programming
Support vector machines
Rights
License
Abierto (Texto Completo)
id UDISTRITA2_1a0890da32fdd0c41aa02f38d92fd296
oai_identifier_str oai:repository.udistrital.edu.co:11349/93851
network_acronym_str UDISTRITA2
network_name_str RIUD: repositorio U. Distrital
repository_id_str
dc.title.none.fl_str_mv Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
dc.title.titleenglish.none.fl_str_mv Application based on SVM and parallel programming to estimate the availability indicators of telecommunications services in the main cities of Colombia
title Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
spellingShingle Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
Calidad del servicio
Mineria de datos
Programación
Servicios de telecomunicaciones
Maquinas de sectores soporte
Ingeniería en Telecomunicaciones -- Tesis y disertaciones académicas
Telecomunicaciones -- Servicios
Aprendizaje automático (Inteligencia artificial)
Programación paralela (Computadores electrónicos)
Análisis de datos
Service Quality
Telecommunications services
Data mining
Programming
Support vector machines
title_short Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
title_full Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
title_fullStr Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
title_full_unstemmed Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
title_sort Aplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia
dc.creator.fl_str_mv Sánchez Acuña, Carlos Orlando
Jiménez Rodríguez, William Camilo
dc.contributor.advisor.none.fl_str_mv Hernández Martínez, Henry Alberto
dc.contributor.author.none.fl_str_mv Sánchez Acuña, Carlos Orlando
Jiménez Rodríguez, William Camilo
dc.subject.none.fl_str_mv Calidad del servicio
Mineria de datos
Programación
Servicios de telecomunicaciones
Maquinas de sectores soporte
topic Calidad del servicio
Mineria de datos
Programación
Servicios de telecomunicaciones
Maquinas de sectores soporte
Ingeniería en Telecomunicaciones -- Tesis y disertaciones académicas
Telecomunicaciones -- Servicios
Aprendizaje automático (Inteligencia artificial)
Programación paralela (Computadores electrónicos)
Análisis de datos
Service Quality
Telecommunications services
Data mining
Programming
Support vector machines
dc.subject.lemb.none.fl_str_mv Ingeniería en Telecomunicaciones -- Tesis y disertaciones académicas
Telecomunicaciones -- Servicios
Aprendizaje automático (Inteligencia artificial)
Programación paralela (Computadores electrónicos)
Análisis de datos
dc.subject.keyword.none.fl_str_mv Service Quality
Telecommunications services
Data mining
Programming
Support vector machines
description Este proyecto desarrolla una aplicación basada en Support Vector Machines (SVM) y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia. Utilizando datos recopilados por el Ministerio de Tecnologías de la Información y las Comunicaciones, el modelo estima los indicadores de disponibilidad, permitiendo a las empresas de telecomunicaciones optimizar sus servicios y tomar medidas proactivas para evitar sanciones y pérdida de usuarios. La aplicación busca mejorar la calidad del servicio y ofrecer una herramienta estratégica para garantizar la continuidad y fiabilidad de las telecomunicaciones.
publishDate 2024
dc.date.created.none.fl_str_mv 2024-10-08
dc.date.accessioned.none.fl_str_mv 2025-03-19T16:52:54Z
dc.date.available.none.fl_str_mv 2025-03-19T16:52:54Z
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.degree.none.fl_str_mv Monografía
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11349/93851
url http://hdl.handle.net/11349/93851
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv L. Hernández, A. Guerrero, J. Jurado, y L. Ramirez, “Telecommunications Sector in Colombia: Regulatory Impact on Service Availability,” International Journal of Telecommunications Management, vol. 45, no. 2, pp. 120-135, 2021
S. Johnson, y M. Brown, “Telecommunications Service Availability: Challenges and Solutions in Emerging Markets,” Global Telecommunications Review, vol. 58, no. 3, pp. 289-310, 2020
Comisión de Regulación de Comunicaciones (CRC), “Calidad y disponibilidad de los servicios de telecomunicaciones en Colombia: Análisis 2023,” 2023. [En línea]. Disponible en: https://www.crcom.gov.co/calidad2023
A. Rodríguez, J. Muñoz, y M. Pérez, “Impact of Regulatory Policies on the Quality of Telecommunications Services in Colombia,” Colombian Journal of Communications and Media Studies, vol. 34, no. 4, pp. 403-417, 2022
Kruchten, P. (1995). Architectural Blueprints—The “4+1” View Model of Software Architecture. IEEE Software, 12(6), 42-50
Sommerville, I. (2015). Software Engineering (10th ed.). Addison-Wesley
Mitchell, T. M. (1997). Machine Learning. McGraw-Hill
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436-444
Hennessy, J. L., & Patterson, D. A. (2019). Computer Architecture: A Quantitative Approach. Morgan Kaufmann
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297
W. McKinney, Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2nd ed., O'Reilly Media, 2017
L. Ramalho, Fluent Python: Clear, Concise, and Effective Programming, 1st ed., O'Reilly Media, 2015
M. Summerfield, Python in Practice: Create Better Programs Using Concurrency, Libraries, and Patterns, Addison-Wesley, 2013
T. Rauber y G. Rünger, Parallel Programming: for Multicore and Cluster Systems, Springer,2020
J. Sanders y E. Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley, 2010
F. Nelli, Python Data Analytics: With Pandas, NumPy, and Matplotlib, Apress, 2018
D. B. Kirk y W. W. Hwu, Programming Massively Parallel Processors: A Hands-on Approach, Morgan Kaufmann, 2016
J. Nickolls, I. Buck, M. Garland, y K. Skadron, "Scalable Parallel Programming with CUDA," Queue, vol. 6, no. 2, pp. 40-53, 2008
A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O'Reilly Media, 2019
A. Klöckner, "PyCUDA: Even Simpler GPU Programming with Python," in GPU Computing Gems Emerald Edition, Elsevier, 2011, pp. 471-483
A. Grama, A. Gupta, G. Karypis, y V. Kumar, Introduction to Parallel Computing, 2nd ed., Addison-Wesley, 2003
T. H. Lee, The Design of CMOS Radio-Frequency Integrated Circuits, 2nd ed., Cambridge University Press, 2004
T. Hastie, R. Tibshirani, y J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed., Springer, 2009
A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd ed., O'Reilly Media, 2019
J. G. Proakis y M. Salehi, Digital Communications, 5th ed., McGraw-Hill, 2008
T. S. Rappaport, Wireless Communications: Principles and Practice, 2nd ed., Prentice Hall, 2002
M. F. Othman, H. S. Abdul Rahman, y N. L. M. Noor, "Capacity Management in Telecommunication Networks: A Systematic Literature Review," Telecommunication Systems, vol. 59, no. 2, pp. 247-263, 2015
K. Walkowiak, Modeling and Optimization of Cloud-Ready and Content-Oriented Networks, Springer, 2016
J. F. Sofokleous, G. P. Evangelou, y P. D. Kakouris, "The Role of ISO/IEC 27001 in Protecting Information Security," Information Security Journal: A Global Perspective, vol. 26, no. 1, pp. 42-55, 2017
Congreso de la República de Colombia, «Ley 1341 de 2009», Diario Oficial No. 47.426, 30 de julio de 2009
Comisión de Regulación de Comunicaciones (CRC), «Resolución 3502 de 2011», Diario Oficial No. 48.253, 22 de diciembre de 2011
Congreso de la República de Colombia, «Ley 1581 de 2012», Diario Oficial No. 48.587, 17 de octubre de 2012
International Organization for Standardization (ISO), «ISO/IEC 27001:2013 - Information technology — Security techniques — Information security management systems — Requirements», ISO, 2013
Congreso de la República de Colombia, «Ley 1978 de 2019», Diario Oficial No. 51.044, 25 de julio de 2019
V. Vapnik, Statistical Learning Theory, New York: Wiley, 199
N. Cristianini y J. Shawe-Taylor, An Introduction to Support Vector Machines and 97 | Other Kernel-based Learning Methods, Cambridge: Cambridge University Press, 2000
B. Schölkopf y A. J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press, 2002
L. Bottou, C. Cortes, y V. Vapnik, «Support Vector Networks», Machine Learning, vol. 20, no. 3, pp. 273-297, 1994
S. Shalev-Shwartz y S. Ben-David, Understanding Machine Learning: From Theory to Algorithms, Cambridge University Press, 2014
J. Dean y S. Ghemawat, «MapReduce: Simplified Data Processing on Large Clusters», Communications of the ACM, vol. 51, no. 1, pp. 107-113, 2008
Z.-H. Zhou, Ensemble Methods: Foundations and Algorithms, CRC Press, 2012
X. Wu, V. Kumar, J. Ross Quinlan, et al., «Top 10 algorithms in data mining», Knowledge and Information Systems, vol. 14, no. 1, pp. 1-37, 2008
T. Hastie, R. Tibshirani, y J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009
C.-J. Lin y S. Wang, «Large-Scale Linear Support Vector Machines», Journal of Machine Learning Research, vol. 9, pp. 207-244, 2001
D. A. Reed y J. Dongarra, «Exascale Computing and Big Data», Communications of the ACM, vol. 58, no. 7, pp. 56-68, 2015
J. Brownlee, Master Machine Learning Algorithms, Machine Learning Mastery, 2016
A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O'Reilly Media, 2019
R. Ghanea-Hercock, Applied Artificial Intelligence: A Handbook for Business Leaders, Palgrave Macmillan, 2014
S. B. Kotsiantis, «Supervised Machine Learning: A Review of Classification Techniques», Informatica, vol. 31, pp. 249-268, 2007
L. González y A. Gómez, «Implementación de un sistema de monitoreo para redes de telecomunicaciones usando SVM», Universidad Nacional de Colombia, 2017
J. Martínez y P. Rodríguez, «Optimización de redes de telecomunicaciones mediante técnicas de aprendizaje automático», Pontificia Universidad Javeriana, 2019
C. Ardila y M. López, «Programación paralela en el análisis de big data para telecomunicaciones en Colombia», Universidad de los Andes, 2020
S. Fernández y H. Ramírez, «Predicción de disponibilidad en redes 4G utilizando SVM», Universidad del Norte, 2021
M. Torres y E. Guerrero, «Modelos predictivos para la disponibilidad de servicios de telecomunicaciones en Bogotá», Universidad de Antioquia, 2018
D. Gutiérrez y R. Pérez, «Aplicación de técnicas de machine learning en la optimización de servicios de telecomunicaciones en Medellín», Universidad EAFIT, 2020
J. Suárez y A. Hernández, «Análisis de la disponibilidad de redes de telecomunicaciones en zonas rurales de Colombia», Universidad del Rosario, 2019
P. Cárdenas y V. Mendoza, «Evaluación del rendimiento de redes 5G en Colombia mediante técnicas de machine learning», Universidad del Valle, 2021
J. López y F. Torres, «Despliegue de infraestructura de telecomunicaciones utilizando programación paralela», Universidad de la Sabana, 2022
A. Rodríguez y L. Martínez, «Análisis de datos de telecomunicaciones en Colombia mediante SVM», Universidad Industrial de Santander, 2018
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
rights_invalid_str_mv Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv pdf
dc.publisher.none.fl_str_mv Universidad Distrital Francisco José de Caldas
publisher.none.fl_str_mv Universidad Distrital Francisco José de Caldas
institution Universidad Distrital Francisco José de Caldas
bitstream.url.fl_str_mv https://repository.udistrital.edu.co/bitstreams/454dd008-7db6-4e7e-9990-9979d03bc7e6/download
https://repository.udistrital.edu.co/bitstreams/e477cb9a-cac7-46e0-8339-c87195fd1e04/download
https://repository.udistrital.edu.co/bitstreams/dd6ffee0-092f-4640-8abc-9a41306d9467/download
bitstream.checksum.fl_str_mv 997daf6c648c962d566d7b082dac908d
ef94fcee8c1fc19d7cfd10f979f3046a
c9f5bc4899bc7efaa025f23e80bce1b3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Distrital
repository.mail.fl_str_mv repositorio@udistrital.edu.co
_version_ 1837007285912600576
spelling Hernández Martínez, Henry AlbertoSánchez Acuña, Carlos OrlandoJiménez Rodríguez, William Camilo2025-03-19T16:52:54Z2025-03-19T16:52:54Z2024-10-08http://hdl.handle.net/11349/93851Este proyecto desarrolla una aplicación basada en Support Vector Machines (SVM) y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de Colombia. Utilizando datos recopilados por el Ministerio de Tecnologías de la Información y las Comunicaciones, el modelo estima los indicadores de disponibilidad, permitiendo a las empresas de telecomunicaciones optimizar sus servicios y tomar medidas proactivas para evitar sanciones y pérdida de usuarios. La aplicación busca mejorar la calidad del servicio y ofrecer una herramienta estratégica para garantizar la continuidad y fiabilidad de las telecomunicaciones.This project develops an application based on Support Vector Machines (SVM) and parallel programming to estimate the availability indicators of telecommunications services in the main cities of Colombia. Using data collected by the Ministry of Information and Communications Technologies, the model estimates availability indicators, allowing telecommunications companies to optimize their services and take proactive measures to avoid penalties and loss of users. The application seeks to improve the quality of service and offer a strategic tool to guarantee the continuity and reliability of telecommunications.pdfspaUniversidad Distrital Francisco José de CaldasCalidad del servicioMineria de datosProgramaciónServicios de telecomunicacionesMaquinas de sectores soporteIngeniería en Telecomunicaciones -- Tesis y disertaciones académicasTelecomunicaciones -- ServiciosAprendizaje automático (Inteligencia artificial)Programación paralela (Computadores electrónicos)Análisis de datosService QualityTelecommunications servicesData miningProgrammingSupport vector machinesAplicación basada en SVM y programación paralela para estimar los indicadores de disponibilidad de los servicios de telecomunicaciones en las principales ciudades de ColombiaApplication based on SVM and parallel programming to estimate the availability indicators of telecommunications services in the main cities of ColombiabachelorThesisMonografíainfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2L. Hernández, A. Guerrero, J. Jurado, y L. Ramirez, “Telecommunications Sector in Colombia: Regulatory Impact on Service Availability,” International Journal of Telecommunications Management, vol. 45, no. 2, pp. 120-135, 2021S. Johnson, y M. Brown, “Telecommunications Service Availability: Challenges and Solutions in Emerging Markets,” Global Telecommunications Review, vol. 58, no. 3, pp. 289-310, 2020Comisión de Regulación de Comunicaciones (CRC), “Calidad y disponibilidad de los servicios de telecomunicaciones en Colombia: Análisis 2023,” 2023. [En línea]. Disponible en: https://www.crcom.gov.co/calidad2023A. Rodríguez, J. Muñoz, y M. Pérez, “Impact of Regulatory Policies on the Quality of Telecommunications Services in Colombia,” Colombian Journal of Communications and Media Studies, vol. 34, no. 4, pp. 403-417, 2022Kruchten, P. (1995). Architectural Blueprints—The “4+1” View Model of Software Architecture. IEEE Software, 12(6), 42-50Sommerville, I. (2015). Software Engineering (10th ed.). Addison-WesleyMitchell, T. M. (1997). Machine Learning. McGraw-HillBishop, C. M. (2006). Pattern Recognition and Machine Learning. SpringerLeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436-444Hennessy, J. L., & Patterson, D. A. (2019). Computer Architecture: A Quantitative Approach. Morgan KaufmannCortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297W. McKinney, Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2nd ed., O'Reilly Media, 2017L. Ramalho, Fluent Python: Clear, Concise, and Effective Programming, 1st ed., O'Reilly Media, 2015M. Summerfield, Python in Practice: Create Better Programs Using Concurrency, Libraries, and Patterns, Addison-Wesley, 2013T. Rauber y G. Rünger, Parallel Programming: for Multicore and Cluster Systems, Springer,2020J. Sanders y E. Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley, 2010F. Nelli, Python Data Analytics: With Pandas, NumPy, and Matplotlib, Apress, 2018D. B. Kirk y W. W. Hwu, Programming Massively Parallel Processors: A Hands-on Approach, Morgan Kaufmann, 2016J. Nickolls, I. Buck, M. Garland, y K. Skadron, "Scalable Parallel Programming with CUDA," Queue, vol. 6, no. 2, pp. 40-53, 2008A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O'Reilly Media, 2019A. Klöckner, "PyCUDA: Even Simpler GPU Programming with Python," in GPU Computing Gems Emerald Edition, Elsevier, 2011, pp. 471-483A. Grama, A. Gupta, G. Karypis, y V. Kumar, Introduction to Parallel Computing, 2nd ed., Addison-Wesley, 2003T. H. Lee, The Design of CMOS Radio-Frequency Integrated Circuits, 2nd ed., Cambridge University Press, 2004T. Hastie, R. Tibshirani, y J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed., Springer, 2009A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd ed., O'Reilly Media, 2019J. G. Proakis y M. Salehi, Digital Communications, 5th ed., McGraw-Hill, 2008T. S. Rappaport, Wireless Communications: Principles and Practice, 2nd ed., Prentice Hall, 2002M. F. Othman, H. S. Abdul Rahman, y N. L. M. Noor, "Capacity Management in Telecommunication Networks: A Systematic Literature Review," Telecommunication Systems, vol. 59, no. 2, pp. 247-263, 2015K. Walkowiak, Modeling and Optimization of Cloud-Ready and Content-Oriented Networks, Springer, 2016J. F. Sofokleous, G. P. Evangelou, y P. D. Kakouris, "The Role of ISO/IEC 27001 in Protecting Information Security," Information Security Journal: A Global Perspective, vol. 26, no. 1, pp. 42-55, 2017Congreso de la República de Colombia, «Ley 1341 de 2009», Diario Oficial No. 47.426, 30 de julio de 2009Comisión de Regulación de Comunicaciones (CRC), «Resolución 3502 de 2011», Diario Oficial No. 48.253, 22 de diciembre de 2011Congreso de la República de Colombia, «Ley 1581 de 2012», Diario Oficial No. 48.587, 17 de octubre de 2012International Organization for Standardization (ISO), «ISO/IEC 27001:2013 - Information technology — Security techniques — Information security management systems — Requirements», ISO, 2013Congreso de la República de Colombia, «Ley 1978 de 2019», Diario Oficial No. 51.044, 25 de julio de 2019V. Vapnik, Statistical Learning Theory, New York: Wiley, 199N. Cristianini y J. Shawe-Taylor, An Introduction to Support Vector Machines and 97 | Other Kernel-based Learning Methods, Cambridge: Cambridge University Press, 2000B. Schölkopf y A. J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press, 2002L. Bottou, C. Cortes, y V. Vapnik, «Support Vector Networks», Machine Learning, vol. 20, no. 3, pp. 273-297, 1994S. Shalev-Shwartz y S. Ben-David, Understanding Machine Learning: From Theory to Algorithms, Cambridge University Press, 2014J. Dean y S. Ghemawat, «MapReduce: Simplified Data Processing on Large Clusters», Communications of the ACM, vol. 51, no. 1, pp. 107-113, 2008Z.-H. Zhou, Ensemble Methods: Foundations and Algorithms, CRC Press, 2012X. Wu, V. Kumar, J. Ross Quinlan, et al., «Top 10 algorithms in data mining», Knowledge and Information Systems, vol. 14, no. 1, pp. 1-37, 2008T. Hastie, R. Tibshirani, y J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009C.-J. Lin y S. Wang, «Large-Scale Linear Support Vector Machines», Journal of Machine Learning Research, vol. 9, pp. 207-244, 2001D. A. Reed y J. Dongarra, «Exascale Computing and Big Data», Communications of the ACM, vol. 58, no. 7, pp. 56-68, 2015J. Brownlee, Master Machine Learning Algorithms, Machine Learning Mastery, 2016A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O'Reilly Media, 2019R. Ghanea-Hercock, Applied Artificial Intelligence: A Handbook for Business Leaders, Palgrave Macmillan, 2014S. B. Kotsiantis, «Supervised Machine Learning: A Review of Classification Techniques», Informatica, vol. 31, pp. 249-268, 2007L. González y A. Gómez, «Implementación de un sistema de monitoreo para redes de telecomunicaciones usando SVM», Universidad Nacional de Colombia, 2017J. Martínez y P. Rodríguez, «Optimización de redes de telecomunicaciones mediante técnicas de aprendizaje automático», Pontificia Universidad Javeriana, 2019C. Ardila y M. López, «Programación paralela en el análisis de big data para telecomunicaciones en Colombia», Universidad de los Andes, 2020S. Fernández y H. Ramírez, «Predicción de disponibilidad en redes 4G utilizando SVM», Universidad del Norte, 2021M. Torres y E. Guerrero, «Modelos predictivos para la disponibilidad de servicios de telecomunicaciones en Bogotá», Universidad de Antioquia, 2018D. Gutiérrez y R. Pérez, «Aplicación de técnicas de machine learning en la optimización de servicios de telecomunicaciones en Medellín», Universidad EAFIT, 2020J. Suárez y A. Hernández, «Análisis de la disponibilidad de redes de telecomunicaciones en zonas rurales de Colombia», Universidad del Rosario, 2019P. Cárdenas y V. Mendoza, «Evaluación del rendimiento de redes 5G en Colombia mediante técnicas de machine learning», Universidad del Valle, 2021J. López y F. Torres, «Despliegue de infraestructura de telecomunicaciones utilizando programación paralela», Universidad de la Sabana, 2022A. Rodríguez y L. Martínez, «Análisis de datos de telecomunicaciones en Colombia mediante SVM», Universidad Industrial de Santander, 2018LICENSElicense.txtlicense.txttext/plain; charset=utf-87167https://repository.udistrital.edu.co/bitstreams/454dd008-7db6-4e7e-9990-9979d03bc7e6/download997daf6c648c962d566d7b082dac908dMD53ORIGINALJimenezRodriguezWilliamCamilo2024.pdfJimenezRodriguezWilliamCamilo2024.pdfapplication/pdf7019209https://repository.udistrital.edu.co/bitstreams/e477cb9a-cac7-46e0-8339-c87195fd1e04/downloadef94fcee8c1fc19d7cfd10f979f3046aMD51Licencia de uso y autorizaciónLicencia de uso y autorizaciónapplication/pdf220706https://repository.udistrital.edu.co/bitstreams/dd6ffee0-092f-4640-8abc-9a41306d9467/downloadc9f5bc4899bc7efaa025f23e80bce1b3MD5211349/93851oai:repository.udistrital.edu.co:11349/938512025-03-19 11:52:57.123open.accesshttps://repository.udistrital.edu.coRepositorio Universidad Distritalrepositorio@udistrital.edu.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

Publicaciones similares