Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.12990/13372
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Rafael Rutte, Robert Richard | es_ES |
dc.contributor.author | Jimenez Flores, Juan Carlos | - |
dc.date.accessioned | 2024-09-11T21:43:10Z | - |
dc.date.available | 2024-09-11T21:43:10Z | - |
dc.date.issued | 2023 | - |
dc.identifier.uri | https://hdl.handle.net/20.500.12990/13372 | - |
dc.description.abstract | La industria minera forma parte de uno de los sectores productivos de mayor importancia a nivel mundial debido a su papel en la provisión de materias primas para diversos sectores industriales, en este sentido la elección de contratistas para proyectos mineros y servicios puede ser un proceso complejo y costoso para las empresas mineras, sin embargo con el auge de la inteligencia artificial en distintos ámbitos productivos a nivel global, se ha intensificado el uso de modelos Deep Learning para tomar decisiones informadas y objetivas, en ese sentido el propósito del estudio fue determinar la influencia del modelo Deep learning en el sistema de selección de contratistas en el sector minero, Tacna 2023. Metodológicamente fue una investigación de enfoque cuantitativo de tipo aplicada, de nivel descriptivo y explicativo, empleando el método hipotético deductivo, de diseño experimental, longitudinal y preexperimental, con una población y muestra conformada por 213 expedientes de contratistas en el sector minero, siendo la técnica utilizada el análisis documental y el instrumento la ficha de recolección de datos. Sobre el resultado obtenido del estadístico regresión lineal simple, se obtuvo 0.996 y una sig. de 0.000, aceptando la hipótesis alternativa (Ha) y rechazando la hipótesis nula (Ho). Por tanto se concluye que el modelo Deep Learning ha demostrado ser capaz de generar resultados cercanos a las evaluaciones realizadas por el comité de la empresa minera, esta consistencia es muy prometedora, ya que indica que el modelo puede identificar patrones y características importantes en los expedientes de los contratistas, permitiendo hacer recomendaciones acertadas. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Alas Peruanas | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | es_ES |
dc.subject | Deep Learning | es_ES |
dc.subject | Sistema de selección | es_ES |
dc.subject | Contratistas | es_ES |
dc.subject | Minera | es_ES |
dc.title | Modelo Deep Learning en el sistema de selección de contratistas en el sector minero, Tacna 2023 | es_ES |
dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |
thesis.degree.name | Doctor en Ingeniería de Sistemas | es_ES |
thesis.degree.grantor | Universidad Alas Peruanas. Escuela de Posgrado | es_ES |
thesis.degree.discipline | Doctorado en Ingeniería de Sistemas | es_ES |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#2.02.04 | es_ES |
dc.publisher.country | PE | es_ES |
renati.author.dni | 46835580 | - |
renati.advisor.dni | 20054374 | - |
renati.advisor.orcid | https://orcid.org/0000-0003-2411-0223 | es_ES |
renati.type | http://purl.org/pe-repo/renati/type#tesis | es_ES |
renati.level | http://purl.org/pe-repo/renati/nivel#doctor | es_ES |
renati.discipline | 612087 | es_ES |
renati.juror | Bringas Salvador, Jorge Luis | es_ES |
renati.juror | Solís Céspedes, Pedro Anibal | es_ES |
renati.juror | Ramírez Julca, Maximo | es_ES |
Appears in Collections: | * Doctorado en Ingeniería de Sistemas |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tesis_modelo_Deep Learning_sistema_selección_contratistas_sector_minero_Tacna.pdf | Lectura de los datos del documento | 5.19 MB | Adobe PDF | ![]() View/Open |
This item is licensed under a Creative Commons License