Maestría en Matemáticas Aplicadas y Ciencias de la Computación

URI permanente para esta colección

https://repository.urosario.edu.co/handle/10336/38191

Examinar

Examinando Maestría en Matemáticas Aplicadas y Ciencias de la Computación por Director "Romero Ramírez, Juan Felipe"

Mostrando1 - 3 de 3
  • Miniatura
    Ítem
    Acceso Abierto
    Análisis del tráfico aéreo mediante grafos
    (2023-12-13) Rodríguez Cruz, Diego Alberto; Romero Ramírez, Juan Felipe
    La planificación de vuelos es crucial para las aerolíneas, ya que afecta directamente su oferta y, por lo tanto, la demanda de pasajeros, lo que influye en sus ganancias. Además, la representación efectiva de las rutas y el flujo de pasajeros es esencial para tomar decisiones informadas en una aerolínea. Este estudio utiliza herramientas de análisis de redes, como grafos, para examinar el tráfico aéreo y representar la información de manera clara. Es importante destacar que la planificación de la demanda también involucra aspectos relacionados con la fijación de precios, especialmente en el contexto de las aerolíneas que operan en un entorno de que se considera oligopolista. Este enfoque en la planificación de la demanda y la estrategia de precios es esencial para optimizar el desempeño de las aerolíneas en mercados con limitada competencia. El objetivo principal de este trabajo es utilizar grafos para visualizar y analizar la demanda de pasajeros entre ciudades, utilizando la información de la Aerocivil. Estas visualizaciones y análisis ayudarán a las aerolíneas a tomar decisiones más efectivas en la planificación de sus rutas y la gestión de la demanda. Este enfoque tiene un alto valor estratégico y puede contribuir significativamente a la eficiencia y rentabilidad de las aerolíneas en dicho contexto.
  • Miniatura
    Ítem
    Acceso Abierto
    Detección de anomalías transaccionales usando técnicas de machine learning con grafos
    (2023-09-02) Cortés Sánchez, Juan Sebastián; Romero Ramírez, Juan Felipe
    Este documento propone una metodología para la identificación de transacciones anómalas realizadas a través de un servicio de depósito electrónico de una entidad financiera con el objetivo de prevenir y detractar el lavado de activos y de financiación del terrorismo, esta metodología consiste en la implementación de múltiples técnicas de Machine Learning, especificamente de aprendizaje no supervisado.
  • Miniatura
    Ítem
    Acceso Abierto
    Detección de fraude bancario en Colombia mediante el análisis de grafos
    (2024-01-02) Calderon Adames, Brayan Steven; Romero Ramírez, Juan Felipe
    Este proyecto se enfoca en desarrollar un sistema de puntuación de riesgo para los empleados de una entidad financiera, con el objetivo de mitigar el fraude interno. Para ello, se han implementado técnicas avanzadas de grafos, las cuales han demostrado ser cruciales en la identificación de relaciones complejas entre Además, se ha integrado el uso de modelos de Machine Learning en el proyecto, lo que ha facilitado la creación de algoritmos predictivos. Estos modelos ofrecen la capacidad de prever posibles incidentes de fraude interno, lo que a su vez permite tomar medidas proactivas en la mitigación de riesgos. En resumen, la aplicación de estas metodologías computacionales ha resultado ser extremadamente valiosa, no solo para establecer controles de primera línea eficientes, sino también para desarrollar sistemas predictivos capaces de identificar potenciales defraudadores dentro de la organización financiera.