Please use this identifier to cite or link to this item: http://190.57.147.202:90/xmlui/handle/123456789/4646
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMarcillo Vera, Fabricio Rolando-
dc.contributor.authorRosado, Rebeca-
dc.contributor.authorZambrano, Pedro-
dc.contributor.authorVelastegui, Joan-
dc.contributor.authorMorales González, Graciela Elizabeth-
dc.contributor.authorLagla, Luis-
dc.contributor.authorHerrera, Alejandro-
dc.date.accessioned2024-08-28T20:45:34Z-
dc.date.available2024-08-28T20:45:34Z-
dc.date.issued2024-02-20-
dc.identifier.issn2806-5875-
dc.identifier.urihttp://190.57.147.202:90/xmlui/handle/123456789/4646-
dc.description.abstractEn este artículo, se enfatiza la importancia del respeto en el uso de las redes sociales en la sociedad ecuatoriana, subrayando su diversidad y la necesidad de fomentar un diálogo constructivo en lugar de la confrontación dañina en línea. Se proporciona un metodología que emplea técnicas de aprendizaje automático y modelado estadístico, como el modelo ARIMA, para predecir el tráfico web en las redes sociales de Ecuador. Además, se discuten diversas estrategias de backtesting para evaluar y mejorar la precisión del modelo a lo largo del tiempo. Los resultados indican un crecimiento significativo en el número de usuarios de redes sociales en Ecuador, con un enfoque en el modelo ARIMA como eficaz para la predicción de series temporales, aunque se sugiere la exploración de enfoques adicionales y mejoras continuas en futuras investigaciones. Este estudio contribuye a comprender mejor el impacto de las redes sociales en la sociedad ecuatoriana y proporciona una base metodológica para pronosticar el tráfico web en estas plataformas en el futuro.en_US
dc.language.isoesen_US
dc.publisherInstituto Tecnológico Universitario Rumiñahuien_US
dc.subjectARIMAen_US
dc.subjectBacktestingen_US
dc.subjectRedes socialesen_US
dc.subjectMachine learningen_US
dc.titleForecasting con Python, caso de estudio: visitas a las redes sociales en Ecuador con machine learning.en_US
dc.typeArticleen_US
Appears in Collections:ARTÍCULOS CIENTÍFICOS

Files in This Item:
File Description SizeFormat 
126-Texto del artículo-774-2-10-20240726.pdf345.22 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.