DSpace Repository

Forecasting con Python, caso de estudio: visitas a las redes sociales en Ecuador con machine learning.

Show simple item record

dc.contributor.author Marcillo Vera, Fabricio Rolando
dc.contributor.author Rosado, Rebeca
dc.contributor.author Zambrano, Pedro
dc.contributor.author Velastegui, Joan
dc.contributor.author Morales González, Graciela Elizabeth
dc.contributor.author Lagla, Luis
dc.contributor.author Herrera, Alejandro
dc.date.accessioned 2024-08-28T20:45:34Z
dc.date.available 2024-08-28T20:45:34Z
dc.date.issued 2024-02-20
dc.identifier.issn 2806-5875
dc.identifier.uri http://190.57.147.202:90/xmlui/handle/123456789/4646
dc.description.abstract En 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.iso es en_US
dc.publisher Instituto Tecnológico Universitario Rumiñahui en_US
dc.subject ARIMA en_US
dc.subject Backtesting en_US
dc.subject Redes sociales en_US
dc.subject Machine learning en_US
dc.title Forecasting con Python, caso de estudio: visitas a las redes sociales en Ecuador con machine learning. en_US
dc.type Article en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account