Maestría en Ingeniería - Analítica
URI permanente para esta colecciónhttps://repositorio.unal.edu.co/handle/unal/82559
Examinar
Envíos recientes
Item type: Ítem , Implementación de una herramienta de analítica para el ajuste de relés distancia con base en datos de simulación(Universidad Nacional de Colombia, 2026) Urbaez León, David; Bolaños Martínez, Freddy; Jaramillo Álvarez, Gloria Patricia ; Bolaños Martínez, Freddy [0000000231235481]; Jaramillo Alvarez, Gloria Patricia 0000000190074326]Este trabajo desarrolla una metodología para la optimización de ajustes de relés distancia considerando múltiples escenarios de operación, abordando el compromiso inherente entre fiabilidad y seguridad mediante técnicas de optimización multiobjetivo. La metodología integra tres componentes: extracción automatizada de datos de cortocircuito desde DIgSILENT PowerFactory, formulación del problema como optimización multiobjetivo en el espacio de parámetros de la característica poligonal, e implementación de dos métodos de solución para determinar los ajustes de un relé. El primer método, K means + NSGA II, realiza la agrupación de escenarios operativos como etapa previa y posteriormente optimiza los parámetros de cada grupo de forma independiente. El segundo método, NSGA II + BILP, implementa una formulación binivel donde la asignación de escenarios a grupos se determina dinámicamente mediante programación lineal entera binaria durante el proceso evolutivo, permitiendo la optimización simultánea de parámetros y asignaciones. La metodología se validó en dos sistemas de prueba: el sistema IEEE 39 barras y un sistema de transmisión real de 220 kV, con más de 14.000 y 24.000 escenarios de falla simulados respectivamente. Ambos métodos generan frentes de Pareto que explicitan el compromiso entre fiabilidad y seguridad y ofrecen al ingeniero un conjunto de soluciones cuantificadas para seleccionar el ajuste según los criterios de operación. El método NSGA II + BILP produce soluciones más equilibradas, mientras que K means + NSGA II ofrece menor costo computacional. Ambos reducen el tiempo de optimización a segundos o pocos minutos, frente a las horas reportadas en implementaciones previas. (Texto tomado de la fuente)Item type: Ítem , Optimización de la disponibilidad de líneas de transmisión mediante análisis de fallas en el Sistema Eléctrico Colombiano(Universidad Nacional de Colombia, 2026-07-04) Ceballos Caicedo, Milton Fernando; Velásquez Henao, Juan DavidEl Sistema de Transmisión Nacional (STN) colombiano enfrenta pérdidas económicas significativas debido a la indisponibilidad de activos críticos como líneas de transmisión, regulada por resoluciones de la CREG. Estas indisponibilidades, incluso de corta duración, generan penalizaciones económicas sustanciales. Esta tesis propone el desarrollo de un modelo automatizado basado en inteligencia artificial para la detección, clasificación y localización de fallas, con el fin de reducir los tiempos de respuesta, minimizar las sanciones económicas y mejorar la disponibilidad de los activos. Debido a la escasez de datos reales etiquetados, se emplearán datos sintéticos generados en EMTP-ATP y registros reales en formato COMTRADE (estándar internacional IEEE C37.111), para entrenamiento y validación del modelo. El enfoque incluye el uso de técnicas híbridas como CNN, LSTM y Transfer Learning), que permiten capturar características complejas de las fallas. El impacto de la solución será medido por medio de tres métricas: reducción en tiempo de identificación, precisión en la clasificación y estimación de la impedancia de falla. Este trabajo busca una mejora operativa tangible para los agentes transmisores y contribuye al avance del uso de analítica en sistemas eléctricos, garantizando una mayor confiabilidad y continuidad en el suministro de energía. (Texto tomado de la fuente)Item type: Ítem , Diagnóstico no invasivo del estado de salud del fríjol común (Phaseolus vulgaris L) en Colombia: un enfoque basado en la huella espectral y la inteligencia artificial(Universidad Nacional de Colombia, 2026-06-23) Montoya Zapata, John Mario; Torres Madroñero, María Constanza ; Montoya Zapata, John Mario [0000000309886111]; Torres-Madronero, María C. [0000000297952459]La deficiencia de fósforo (P) es un factor crítico que limita el crecimiento y rendimiento del fríjol común (Phaseolus vulgaris L.). Los métodos convencionales para su diagnóstico suelen ser destructivos y costosos, lo que motiva la exploración de alternativas basadas en teledetección y aprendizaje automático. En este estudio se evaluó la detección del estrés por deficiencia de fósforo utilizando imágenes hiperespectrales adquiridas en condiciones reales de campo en el Centro de Investigación La Selva (Rionegro, Antioquia, Colombia). El experimento se desarrolló bajo un diseño controlado con cuatro niveles de fertilización fosfórica (25 %, 50 %, 75 % y 100 % de la dosis óptima). El problema se formuló como una clasificación binaria entre plantas estresadas y no estresadas, dando lugar a un conjunto de datos altamente desbalanceado. Se implementaron y compararon algoritmos de aprendizaje automático y profundo, incorporando estrategias de preprocesamiento, selección de bandas espectrales, partición espacial del conjunto de datos y optimización de hiperparámetros. Los resultados demuestran que la información hiperespectral permite identificar de manera confiable el estrés por deficiencia de fósforo, alcanzando valores de ROC-AUC cercanos a 0,88 y exactitudes superiores a 0,82. Estos hallazgos resaltan el potencial de esta aproximación como herramienta para la agricultura de precisión y el manejo eficiente de nutrientes. (Texto tomado de la fuente)Item type: Ítem , Comparación de modelos estocásticos y de aprendizaje de máquina para el pronóstico de la mortalidad edad-específica por tuberculosis en Colombia(Universidad Nacional de Colombia, 2026-04-08) Cuartas Rendón, Simón; Ospina Arango, Juan David; 0002013062; Cuartas Rendón, Simón [0009000003691167]; Ospina Arango, Juan David [0000000235475247]La predicción de las tasas de mortalidad edad-específicas es de gran interés para la identificación de patrones poblacionales y grupos de mayor riesgo, ya que constituye un insumo clave para el diseño de políticas públicas y programas de prevención orientados a la protección del bienestar social. En la literatura existen diversos enfoques metodológicos para abordar este problema, que abarcan tanto modelos estocásticos tradicionales como técnicas de aprendizaje de máquina. En este trabajo se compara el desempeño predictivo de seis modelos —tres estocásticos y tres basados en aprendizaje de máquina— aplicados al estudio de la mortalidad por tuberculosis en Colombia. Este ejercicio se realizó a partir del ajuste de tales modelos a partir de los datos del conjunto de entrenamiento, el análisis del desempeño predictivo en el conjunto de validación fuera de muestra y la evaluación de los sesgos asociados a cada modelo. Asimismo, se discute la explicabilidad de los enfoques considerados, dado que en los estudios demográficos no solo es relevante contar con predicciones puntuales precisas, sino también comprender cómo las distintas variables involucradas en el proceso de modelación influyen sobre la respuesta. Los resultados indican que los modelos de aprendizaje de máquina basados en ensambles presentan las mejores métricas de ajuste y pronóstico, aunque pueden exhibir mayores niveles de sesgo en comparación con los modelos estocásticos. En cuanto a estos últimos, se destaca que alcanzan desempeños adecuados y que, gracias a su naturaleza paramétrica, facilitan la interpretación de la relevancia de las variables explicativas, siendo el grupo etario la más influyente de manera consistente entre los modelos estocásticos analizados. (Texto tomado de la fuente)Item type: Ítem , Evaluación de un modelo de aprendizaje profundo para la segmentación semántica de nubes de puntos en escenas de espacios interiores(Universidad Nacional de Colombia, 2026-05-14) Ortiz Montoya, Mariana; Ballesteros Parra,, John Robert; Branch Bedoya, John Willian; ; Ballesteros, John [0000000173698399]; Branch Bedoya, John Willian [000000020378028X]; Gidia: Grupo de Investigación YyDesarrollo en Inteligencia ArtificialEl enfoque Scan-to-BIM ha surgido como una alternativa para apoyar el desarrollo de modelos BIM As-Built a partir de nubes de puntos obtenidas mediante tecnologías de escaneo 3D. No obstante, la segmentación semántica de escenas interiores continúa siendo un desafío, especialmente cuando se aplican modelos de aprendizaje profundo entrenados en conjuntos de datos distintos a los de aplicación real y bajo restricciones de recursos computacionales. Este trabajo evalúa la aplicación de un modelo de aprendizaje profundo pre-entrenado para la segmentación semántica de nubes de puntos correspondientes a escenas interiores reales. Para ello, se seleccionó la arquitectura PointNet++, pre-entrenada sobre el conjunto de datos S3DIS, y se adaptó mediante un esquema de aprendizaje por transferencia en el que se mantuvo congelado el backbone y se entrenó únicamente el head de clasificación para su evaluación sobre el conjunto de datos ScanNet v2. Se desarrolló un flujo de preparación de datos que incluyó la generación de bloques de puntos, el manejo del desbalance de clases y la incorporación de características geométricas, cromáticas y espaciales. Los resultados muestran que el modelo presenta un mejor desempeño en clases dominantes y geométricamente bien definidas, como muros y sillas, mientras que su rendimiento disminuye en categorías con menor representación. En conjunto, el estudio evidencia tanto el potencial como las limitaciones de los modelos pre-entrenados para la segmentación semántica de nubes de puntos interiores, y resalta la importancia de la preparación de los datos y de la adaptación del modelo para su aplicación en flujos Scan-to-BIM. (Texto tomado de la fuente9Item type: Ítem , Desarrollo de un modelo de red neuronal profunda para la identificación de ovocitos y sus características a través de microscopía polarizada(Universidad Nacional de Colombia, 2026-06-01) Pérez Atencia, Salomón; Restrepo Martínez, Alejandro; Alejandro Restrepo-Martínez[bFzIGV0AAAAJ&hl]; Restrepo Martínez, Alejandro [0000000189782077]; Salomón Pérez Atencia [Salomon-Perez-Atencia]; Alejandro Restrepo Martínez [Alejandro-Restrepo-Martinez]; Grupo de Promoción E Investigación en Mecánica Aplicada GpimaLa identificación precisa de ovocitos y la evaluación de su maduración son determinantes en reproducción asistida. La microscopía de luz polarizada (PLM) permite visualizar el huso meiótico, la zona pelúcida, el límite del citoplasma y el cuerpo polar sin comprometer la integridad celular. La escasez de bases de datos anotadas de imágenes PLM limita el desarrollo de modelos de detección automatizada. Esta tesis presenta un método que aborda esta limitación con dos contribuciones. Primero, se generó una base de datos sintética de imágenes polarizadas de ovocitos: 526.392 imágenes con las cuatro estructuras morfológicas clave mediante modelación paramétrica y etiquetado automático, un recurso que no existe actualmente de forma pública. Segundo, se desarrolló un método de entrenamiento y selección de redes YOLO (v8-v12) y RT-DETR para la detección de las estructuras morfológicas en imágenes PLM, con preentrenamiento en datos sintéticos y transferencia de aprendizaje en imágenes reales. Se evaluaron 13 configuraciones; entre los modelos estándar, YOLOv9m resultó el de mejor rendimiento en imágenes estáticas para la detección de las cuatro estructuras morfológicas (mAP50 = 0,902, mAP50-95 = 0,627), con mejoras notables frente a modelos entrenados solo en datos sintéticos. Adicionalmente, se desarrollaron y evaluaron cuatro modelos personalizados con módulos de atención, derivados de los modelos estándar con mejor desempeño en esa tarea de detección. Estos modelos mostraron una mejor capacidad de transferencia del dominio sintético al real en los experimentos de control, en comparación con sus contrapartes estándar. En particular, la variante YOLOv9m-CBAM, con 156 capas y 20.032.494 parámetros, mostró una ventaja específica en la detección del límite del citoplasma, respaldada por una evaluación exploratoria en secuencias de video reales en las que detectó de forma estable estructuras que el modelo estándar no detectó y redujo los falsos positivos de huso meiótico. Por ello, YOLOv9m-CBAM se adopta como modelo de referencia del trabajo para el escenario de aplicación clínica (monitoreo continuo en video PLM). El modelo detecta de forma robusta las cuatro estructuras. Para zona pelúcida, huso meiótico y límite del citoplasma se alcanzan valores de mAP50 >= 0,955; el cuerpo polar, el más desafiante, muestra una mejora marcada tras transferencia de aprendizaje. Los resultados confirman la viabilidad de la metodología utilizada para aplicaciones biomédicas con datos anotados escasos y ofrecen una estrategia práctica para herramientas de evaluación automatizada en reproducción asistida. En conjunto, se identifica la arquitectura que permite detectar las estructuras morfológicas asociadas al estado de maduración del ovocito a partir de imágenes PLM: YOLOv9m ofrece el mejor desempeño en imágenes estáticas, mientras que YOLOv9m-CBAM, seleccionado como modelo de referencia para el escenario de video clínico, aporta mayor estabilidad y robustez en la detección fotograma a fotograma. (Texto tomado de la fuente)Item type: Ítem , Detección de enfermedades en plantas de maíz y fríjol común con inteligencia artificial e imágenes multiespectrales(Universidad Nacional de Colombia, 2026-05) Solano Vera, Selene; Torres Madroñero, María Constanza; Torres-Madronero, María C. [0000000297952459]La detección temprana de deficiencias nutricionales en cultivos estratégicos como el maíz y el fríjol común constituye un desafío relevante para la productividad y la sostenibilidad del sector agrícola colombiano. El objetivo de esta investigación es desarrollar y evaluar modelos de inteligencia artificial, basados en aprendizaje automático y aprendizaje profundo, para la detección del estrés nutricional a partir de imágenes multiespectrales de rango cercano, como alternativa no destructiva a los análisis de laboratorio convencionales. Se adopta un diseño comparativo utilizando un conjunto de datos multiespectrales preexistentes, adquiridos sobre cultivos de maíz y fríjol común bajo distintos niveles de deficiencia nutricional. Se evalúan dos enfoques metodológicos: (i) la construcción de datasets tabulares a partir de descriptores espectrales agregados por hoja, empleados en modelos de aprendizaje automático y redes neuronales densas, y (ii) el uso directo de imágenes multiespectrales como entrada a redes neuronales convolucionales. El desempeño de los modelos se evalúa mediante métricas de exactitud, precisión, recall, F1-score y coeficiente Kappa. Los resultados muestran que los modelos tabulares alcanzan el mejor desempeño, destacándose el perceptrón multicapa como el modelo con mejores resultados globales, con valores de F1 macro cercanos a 0,72 en fríjol y 0,68 en maíz. En contraste, las redes neuronales convolucionales presentan un rendimiento inferior bajo las condiciones evaluadas, lo que evidencian que la información discriminativa se encuentra principalmente en la variabilidad espectral agregada. La metodología propuesta permite una detección no destructiva del estrés nutricional y establece una base para el desarrollo de herramientas de monitoreo agrícola. (Texto tomado de la fuente)Item type: Ítem , Transformación digital educativa un modelo de implementación de técnicas de IA para la optimización del tiempo asignado a tareas administrativas de los docentes de la Institución Educativa Sucre (Colón, Putumayo)(Universidad Nacional de Colombia, 2026-05-05) Guerrero Bravo, Edwin Esteban; Jiménez Builes, Jovani Alberto; Edwin Esteban Guerrero Bravo [https://scienti.minciencias.gov.co/cvlac/EnRecursoHumano/inicio.do]; Jovani Alberto Jiménez Builes [0000203220]; Edwin Esteban Guerrero Bravo [https://scholar.google.com/citations?user=m4nidfQAAAAJ&hl=es]; Jovani Alberto Jiménez Builes [https://scholar.google.com/citations?user=9rRS9fUAAAAJ&hl=en]; Edwin Esteban Guerrero Bravo [0009000987985503]; Jovani Alberto Jiménez Builes [0000000175987696]; Edwin Esteban Guerrero Bravo [https://www.researchgate.net/profile/Edwin-Guerrero-Bravo?ev=hdr_xprf]; Jovani Alberto Jiménez Builes [https://www.researchgate.net/lab/Inteligencia-artificial-en-educacion-Jovani-Alberto-Jimenez-Builes]; Inteligencia Artificial en la EducaciónEsta tesis de maestría diseñó y validó un modelo de transformación digital educativa basado en inteligencia artificial generativa (ChatGPT, DeepSeek y EdutekLAB) con el propósito de optimizar las tareas administrativas de planeación de clases y calificación de trabajos en la Institución Educativa Sucre, ubicada en el municipio rural de Colón, Putumayo (Colombia), un contexto con baja conectividad y alta carga laboral docente. Mediante un enfoque mixto convergente que incluyó un cuestionario a 13 docentes, entrevistas semiestructuradas a tres profesores (Newton, May y Paloma) y un estudio de caso práctico de dos meses con la docente May (30 años de experiencia, área de inglés), se logró caracterizar la carga administrativa —donde la calificación (38,5 %) y la planeación (23,1 %) resultaron ser las tareas más demandantes—, parametrizar las herramientas de IA mediante prompts estructurados y procedimientos estandarizados adaptados al contexto rural, e implementar el modelo en condiciones reales. Los resultados mostraron que la IA es altamente útil para la planeación: la docente May construyó dos unidades didácticas completas (ocho clases en total) con apoyo de las herramientas, generando ideas, secuencias, rúbricas y actividades que luego contextualizó al entorno rural. Sin embargo, en los experimentos de calificación asistida se evidenciaron limitaciones críticas: ChatGPT sobrevaloró respuestas (4,3 frente a 3,1 del docente), DeepSeek subestimó y omitió secciones completas del examen (2,14 frente a 3,1; y 1,95 frente a 4,07), y ambas herramientas presentaron dificultades para leer caligrafías irregulares, interpretar textos subrayados o incompletos, y generar retroalimentación física visible (vistos, equis, comentarios), la cual sigue siendo insustituible para los estudiantes. Como producto final se propone un modelo de arquitectura entrada-procesamiento-salida con un ciclo de ajuste docente que prioriza el uso intermitente de la IA (conectar para generar insumos y trabajar offline en el aula) y mantiene la evaluación manual como responsabilidad exclusiva del profesor, demostrando que la inteligencia artificial puede ser una aliada estratégica para reducir la carga administrativa en contextos rurales, siempre que se use con supervisión pedagógica, criterios éticos y una clara delimitación de sus alcances. (Texto tomado de la fuente)Item type: Ítem , Prediction of crude oil-water interfacial tension with surfactants and nanomaterials using machine learning(Universidad Nacional de Colombia, 2025-09-17) Garzón Ramos, Nathaly Salomé; Branch Bedoya, John Willian; Franco Ariza, Camilo Andrés; Garzón Ramos, Nathaly Salomé [0002155817]; Garzón Ramos, Nathaly Salomé [44X7tNQAAAAJ]; Garzón Ramos, Nathaly Salomé [0009000387370062]; Branch Bedoya, John Willian [000000020378028X]; Fenómenos de Superficie Michael Polanyi; Gidia: Grupo de Investigación YyDesarrollo en Inteligencia ArtificialAccurate prediction of interfacial tension (IFT) is a critical factor for the design and optimization of chemical enhanced oil recovery (cEOR) processes. This study focuses on the application of four predictive models (RF, ET, GBRT, XGBoost) for IFT in systems with surfactants and nanomaterials. For this purpose, an experimental and literature-based dataset with 551 datapoints was used, characterized by an imbalanced distribution composed of 75% IFT measurements below 20.55 mN·m⁻¹ (systems with additives) and 25% from control experiments with higher values. This data structure was intentionally preserved to ensure the model's phenomenological representativeness. Model performance was evaluated using performance metrics (R², RMSE, MAE), residual plots, and learning curves. Analysis of the learning curves revealed that the model's performance stops improving after approximately 200 training samples, demonstrating that incorporating similar additional data is not beneficial. The results confirm that the random forest model is the most robust tool for predicting IFT with an R² of 85% and underscore that a representative data composition is more crucial than a strict statistical balance, offering valuable guidance for optimizing future data collection efforts. (Texto tomado de la fuente)Item type: Ítem , Método predictivo para clasificar la aceptación de la vacunación contra la influenza empleando técnicas de aprendizaje de máquinas.(Universidad Nacional de Colombia, 2025-09-15) Falcón Granada, Juan Sebastián; Branch Bedoya, John Willian; Iral Palomino, René ; Branch Bedoya, John Willian [0000-00020378028X]; Iral, Rene [0000000182780079]Este trabajo propone y valida una metodología analítica para predecir la aceptación de la vacunación contra la influenza en población laboral y segmentar a los no vacunados para orientar intervenciones focalizadas y aumentar las coberturas lo máximo posible. Primero, se realizó una revisión sistemática de la literatura que consolidó un marco de variables clave para predecir la vacunación contra influenza, así como los métodos de aprendizaje de máquinas más utilizados y sus métricas. Luego, se aplicó la metodología a un caso de uso real en una prestadora de servicios de salud colombiana, (población de 19520 individuos, 44% vacunados y 56% no vacunados). Se entrenaron y compararon cuatro métodos de aprendizaje de máquinas (Regresión Logística, Random Forest, XGBoost y Multi-Layer Perceptron), priorizando la identificación de no vacunados. Los mejores desempeños se obtuvieron con MLP (especificidad del 70% y recall del 55%) y XGBoost (especificidad del 70% y recall del 53%), con AUC del 67%, evidenciando capacidad predictiva moderada. Sobre la subpoblación predicha como no vacunada (11586 personas), un clustering mediante Partitioning Around Medoids definió seis clústeres; los clústeres 2 y 6 (predominio asistencial, mayor edad y más días de incapacidad) fueron priorizados por mayor exposición y potencial impacto operativo. El estudio entrega una metodología reproducible y un punto de partida transferible a otros contextos (comunidades, empresas no sanitarias) y patologías con dinámica similar (neumococo, refuerzos de COVID-19, VPH). (Texto tomado de la fuente) mejores desempeños se obtuvieron con MLP (especificidad del 70% y recall del 55%) y XGBoost (especificidad del 70% y recall del 53%), con AUC del 67%, evidenciando capacidad predictiva moderada. Sobre la subpoblación predicha como no vacunada (11586 personas), un clustering mediante Partitioning Around Medoids definió seis clústeres; los clústeres 2 y 6 (predominio asistencial, mayor edad y más días de incapacidad) fueron priorizados por mayor exposición y potencial impacto operativo. El estudio entrega una metodología reproducible y un punto de partida transferible a otros contextos (comunidades, empresas no sanitarias) y patologías con dinámica similar (neumococo, refuerzos de COVID-19, VPH).Item type: Ítem , Desarrollo de un modelo de pronóstico de la demanda para un negocio de fertilizantes utilizando modelos de aprendizaje de máquinas(Universidad Nacional de Colombia, 2025-01-14) Soto Cañas, Luis Fernando; Torres Madroñero, María ConstanzaEste trabajo presenta la implementación y comparación de diferentes modelos predictivos aplicados a las ventas de fertilizantes, utilizando tanto modelos clásicos como de aprendizaje de máquinas. El objetivo principal fue encontrar el mejor modelo capaz de predecir la demanda futura con base en variables históricas, tanto internas como externas. Durante el desarrollo del trabajo, se realizó una integración y depuración exhaustiva de las diferentes fuentes de datos, seguida por una exploración de los datos que permitió identificar patrones relevantes. Posteriormente, se aplicaron distintos enfoques de modelado, incluyendo modelos autorregresivos como ARIMA, además se utilizaron diferentes modelos de aprendizaje de máquinas como el Random Forest, XGBoost y las redes neuronales recurrentes tipo LSTM, como última etapa se utilizaron técnicas de optimización de hiperparámetros para mejorar el rendimiento de los modelos implementados. Los resultados obtenidos muestran un rendimiento superior en la precisión de los modelos de aprendizaje automático frente a los modelos autorregresivos, demostrando que la analítica avanzada es un aliado estratégico para la toma de decisiones en un contexto organizacional. (Texto tomado de la fuente)Item type: Ítem , Estimación dinámica de la susceptibilidad por movimientos en masa haciendo uso de técnicas de aprendizaje automático y su aplicación en plataforma Web-GIS(Universidad Nacional de Colombia, 2025-11-26) Correa Zapata, Daniel Felipe; Aristizábal Giraldo, Edier Vicente; Correa Zapata, Daniel Felipe [000900005998900X]; Aristizabal Giraldo, Edier Vicente [0000000226482197]; Investigación en Geología Ambiental GeaLos movimientos en masa constituyen una amenaza recurrente de alto impacto en entornos andinos densamente poblados: entre 2000 y 2023 se registraron 11,269 muertes asociadas a estos eventos en Colombia, con Antioquia como departamento más afectado (33.5%) y el Valle de Aburrá concentrando el 44% de los registros departamentales, en un contexto global donde la literatura reporta miles de deslizamientos fatales y una tendencia creciente vinculada al aumento de precipitaciones extremas y a la expansión urbana. Persiste un conjunto de brechas operativas en la estimación de la susceptibilidad: inventarios heterogéneos y con actualización irregular, productos cartográficos estáticos de rápida obsolescencia, y barreras técnicas para la adopción de metodologías avanzadas a escalas semidetalladas exigidas por la normativa y los lineamientos del Servicio Geológico Colombiano. El estado del arte evidencia que los enfoques heurísticos adolecen de reproducibilidad, los métodos físico‑mecánicos requieren parámetros locales difíciles de generalizar, y muchas plataformas Web-GIS carecen de integración dinámica de inventarios, analítica comparativa multimodelo y mecanismos transparentes de evaluación. Frente a este panorama, la hipótesis de trabajo plantea que integrar en una plataforma Web-GIS modelos de aprendizaje automático complementarios —Regresión Logística (paramétrica), Modelos Aditivos Generalizados (semiparamétricos) y Random Forest (no paramétrico)— con ajuste interactivo de hiperparámetros y flujos reproducibles de ingestión, análisis exploratorio, entrenamiento y ejecución mejora la precisión y eficiencia de la estimación de la susceptibilidad y reduce el periodo entre la ocurrencia de nuevos eventos y la generación de productos operativos. La solución desarrollada implementa una arquitectura desacoplada: un frontend en React y Leaflet para selección de variables, incorporación de inventarios y delimitación de áreas de interés; un backend en Django/Django REST Framework que orquesta el preprocesamiento geoespacial (rasterización de eventos y buffers, recortes por AOI, muestreo balanceado evento/no evento, estandarización selectiva), el análisis exploratorio automatizado (correlaciones, densidades, boxplots), el entrenamiento de modelos con registro de hiperparámetros y métricas (matriz de confusión, reporte de clasificación, curva ROC), además de la ejecución de dichos modelos; un datalake local estructurado para persistencia de modelos serializados, figuras y registros; GeoServer para publicación inmediata de mapas de susceptibilidad vía WMS; y un canal WebSocket para trazabilidad casi en tiempo real de procesos intensivos. Esta arquitectura se alinea con las oportunidades de investigación identificadas: dinamización de inventarios multitemporales, democratización de analítica geoespacial avanzada y provisión de servicios interoperables que fortalecen la gestión del riesgo y la planificación territorial en Antioquia. (Texto tomado de la fuente)Item type: Ítem , Implementación de analítica descriptiva y predictiva a partir de una arquitectura serverless en la nube para pymes(Universidad Nacional de Colombia, 2025-11-17) López Saldarriaga, Diego Alejandro; Espinosa Bedoya, Albeiro; Branch Bedoya, John Willian; Espinosa Bedoya, Albeiro [000000017292987X]; Branch Bedoya, John Willian [0000-00020378028X]; Gidia: Grupo de Investigación YyDesarrollo en Inteligencia ArtificialLa computación en la nube y las arquitecturas serverless han surgido como una alternativa estratégica para que las pequeñas y medianas empresas (PYMES) accedan a capacidades de analítica avanzada sin incurrir en altos costos de infraestructura. Sin embargo, la adopción integral de enfoques de Infrastructure as Code (IaC) y analítica predictiva en este contexto aún presenta vacíos de investigación y práctica en América Latina. Se llevó a cabo una revisión sistemática de la literatura para identificar beneficios, limitaciones y tendencias en IaC y arquitecturas serverless. Posteriormente, se diseñó e implementó una arquitectura serverless en AWS, utilizando tanto CloudFormation como Terraform para comparar flexibilidad y mantenibilidad. Con datos anonimizados de pacientes, se construyeron y evaluaron modelos predictivos (Regresión Logística, Random Forest, Gradient Boosting y KNN) desplegados en Glue Jobs. Finalmente, se desarrolló un reporte descriptivo en Amazon QuickSight, consolidando tanto las transformaciones en la capa gold como las predicciones generadas. La revisión evidenció que AWS es el proveedor con mayor adopción y soporte para PYMES, que CloudFormation ofrece mayor granularidad en configuraciones específicas y que Terraform facilita portabilidad multi-nube. En la arquitectura implementada, S3 junto con Glue y Athena demostraron ser soluciones costo-eficientes y escalables, mientras que AWS Glue Jobs se consolidó como la mejor opción para cargas predictivas al superar las limitaciones de tamaño de librerías en Lambda. En el modelo predictivo, Gradient Boosting alcanzó la mayor exactitud con 61,57%, seguido de Regresión Logística con 61,11%, evidenciando la viabilidad de recomendaciones automáticas aun con variables limitadas. El tablero en QuickSight integró métricas descriptivas y predictivas en cuatro páginas, mostrando de manera visual patrones históricos y predicciones. Se pudo concluir que la adopción de arquitecturas serverless con IaC es viable y costo-eficiente para PYMES, siempre que se consideren las limitaciones técnicas de cada servicio. De los resultados se concluye que Glue Jobs complementa a Lambda en escenarios de analítica avanzada, mientras que QuickSight constituye una herramienta práctica para consolidar la analítica descriptiva y predictiva en tableros interactivos. En conjunto, la investigación demuestra que las PYMES pueden acceder a soluciones analíticas robustas y escalables en la nube, fortaleciendo su capacidad competitiva. (Texto tomado de la fuente)Item type: Ítem , Transiciones dinámicas de datos: animación de flujos de datos mediante grafos de procesos operativos(Universidad Nacional de Colombia, 2025-11-05) Reina Saldaña, Arley Smith; Branch Bedoya, John Willian; Branch Bedoya, John Willian [0000-00020378028X]; Gidia: Grupo de Investigación YyDesarrollo en Inteligencia ArtificialEl análisis de procesos industriales presenta limitaciones cuando se emplean representaciones estáticas, ya que estas no logran capturar de manera adecuada la dimensión temporal de los flujos de información. Para superar esta restricción, se diseñó e implementó un sistema de visualización dinámica basado en PM4Py y PyGame, que integra registros en formato XES con grafos animados. La interfaz desarrollada incorpora controles de reproducción y un esquema de codificación visual —basado en velocidad, tamaño y color— orientado a resaltar cuellos de botella, concentraciones de actividad y variaciones temporales. La validación del sistema se llevó a cabo mediante una encuesta a expertos, quienes compararon la animación con herramientas habitualmente utilizadas. Los resultados evidencian una valoración favorable de la representación del comportamiento del proceso (61,1 % la calificó como superior), aunque se registraron opiniones divididas en torno a la calidad visual (44,4 % favorable y 11,1 % en desacuerdo) y al costo percibido (38,9 % superior, 27,8 % inferior). La intención de adopción alcanzó una mediana de 4 (“Probablemente sí”), con un 55,6 % de disposición positiva. En síntesis, la animación potencia la comprensión de la dinámica procesal y demuestra la viabilidad de integrar minería de procesos y visualización animada en entornos abiertos. Sin embargo, persisten barreras asociadas al diseño visual, la curva de aprendizaje y la integración tecnológica, lo que señala la necesidad de ajustes futuros para consolidar su adopción en contextos industriales. (Texto tomado de la fuente)Item type: Ítem , Integración de un modelo YOLO y un algoritmo SORT en computadoras de placa única (SBC) para la detección, clasificación y verificación automatizada del estado de señales de tránsito(Universidad Nacional de Colombia, 2025-09-13) Quintero Arias, Christian Wbeimar; Ballesteros Parra, John Robert; Zapata Jaramillo, Carlos Mario; Ballesteros, John [0000-000173698399]Este trabajo presenta la integración de un modelo de detección de objetos YOLO y el algoritmo de seguimiento SORT en computadoras de placa única (SBC), con el propósito de detectar, clasificar y verificar automáticamente el estado de las señales de tránsito. La investigación parte de la necesidad de optimizar los procesos de inspección manual, los cuales demandan altos costos y presentan limitaciones en cobertura y oportunidad. Se implementó un enfoque experimental que incluyó la creación de un conjunto de datos propio con más de 1000 imágenes de señales en diferentes condiciones (óptimas, eterioradas, obstruidas y ausentes), complementado con técnicas de aumentación para robustecer el modelo. Se compararon múltiples arquitecturas YOLO y variantes de hiperparámetros, seleccionando YOLOv8n por su balance entre precisión (mAP50=78.5%) y eficiencia en hardware limitado. El sistema fue desplegado en Raspberry Pi 5, integrando un módulo GPS NEO-6M para georreferenciación y cámara CSI para captura en tiempo real. Los resultados experimentales muestran un desempeño promedio de 3.88 FPS en el entorno embebido, con precisión superior al 80% y capacidad de geolocalizar las señales detectadas, lo que valida la viabilidad del prototipo. Se concluye que la combinación de YOLO y SORT en computadoras de placa única (SBC) constituye una alternativa funcional y escalable para la gestión inteligente de la señalización vial, contribuyendo a reducir costos operativos y mejorando la seguridad vial mediante inspección automatizada. (Texto tomado de la fuente)Item type: Ítem , Modelo de aprendizaje de máquinas para la predicción de la tasa de corrosión por CO2 en salmueras con iones divalentes y presencia de carbon quantum dots (CQDs)(Universidad Nacional de Colombia, 2025-09-19) Ortiz Pérez, Leidy Viviana; Cortés Correa, Farid Bernardo; Torres Madroñero, María Constanza ; Franco Ariza, Camilo Andrés ; Cortés, Farid B. [0000000312073859]; Torres-Madronero, Maria C. [0000000297952459]; Fenómenos de Superficie Michael PolanyiLa corrosión del acero al carbono en ambientes salinos saturados con CO₂ constituye un reto crítico para la confiabilidad de las infraestructuras en energía y procesos de Captura, Utilización y Almacenamiento de Carbono (CCUS). Las salmueras de formación con NaCl, CaCl₂ y CO₂ disuelto aceleran la degradación electroquímica, generando altas tasas de corrosión y riesgos operativos. Como alternativa de mitigación, los Carbon Quantum Dots (CQDs) se perfilan como inhibidores verdes prometedores por su dispersabilidad, estabilidad química y bajo impacto ambiental. Sin embargo, predecir con precisión estas tasas sigue siendo un desafío, ya que los modelos tradicionales no logran representar las complejas interacciones entre múltiples variables. En esta tesis se evaluó experimentalmente el efecto inhibidor de los CQDs mediante ensayos gravimétricos bajo diferentes condiciones de salinidad y tiempos de inmersión, y se desarrollaron modelos de aprendizaje de máquinas para predecir la tasa de corrosión en estos ambientes. Se evaluaron cinco algoritmos: Random Forest (RF), XGBoost, Support Vector Regression (SVR), K-Near Neighbors (KNN) y Multilayer Perceptron (MLP). El mejor desempeño predictivo se obtuvo con RF y XGBoost, alcanzando R² superiores a 0.91, RMSE de 1.1 mpy y MAE de 0.8 mpy. Estos resultados demuestran el potencial del aprendizaje de máquinas como herramienta poderosa y confiable para predecir el comportamiento corrosivo en salmueras complejas ricas en CO₂, apoyando la implementación de estrategias de mitigación de la corrosión más seguras, eficientes y sostenibles en aplicaciones industriales. (Texto tomado de la fuente)Item type: Ítem , Análisis de imágenes en platos de comida típicos de Antioquía: un enfoque de visión por computadora para el conteo de carbohidratos en personas con diabetes mellitus.(Universidad Nacional de Colombia, 2025-08-18) Jaramillo Tamayo, Andrés Felipe; Ospina Arango, Juan David; Bolaños Martínez, Freddy; Lema Pérez, LauraEsta investigación tuvo como objetivo implementar un sistema computacional basado en visión por computador para cuantificar gramos de carbohidratos en platos típicos de Antioquia, con el fin de apoyar el control en personas con diabetes tipo 1. Se construyó un banco de datos compuesto por 1.328 imágenes anotadas manualmente, representando 41 tipos de carbohidratos. Se entrenaron y evaluaron tres modelos de segmentación semántica multiclase, destacando la aplicación de transfer learning de UperNet con backbone ConvNeXt, el cual alcanzó un mIoU de validación de 0.758 y una precisión del 95.3 %. Para la conversión de área segmentada a gramos, se integró la metodología Look Up Table (LUT), que relaciona el porcentaje de cobertura del alimento respecto al plato con su masa estimada, usando el ATLAS como referencia. Esta aproximación presentó errores absolutos promedio entre el 35 % y el 45 %, validados mediante pesajes gravimétricos en tres platos reales. El sistema demostró mayor precisión en clases con alta representación visual y evidencia un alto potencial de aplicabilidad en contextos clínicos y educativos. Se recomienda ampliar la base de datos, mejorar la representación por clase y automatizar el proceso de etiquetado para aumentar la escalabilidad del sistema. (Texto tomado de la fuente)Item type: Ítem , Advancing healthcare analytics : a thematic review of machine learning, health informatics, and real-world data applications(Universidad Nacional de Colombia, 2025-09-13) Arias Rios, María Isabel; Velásquez Henao, Juan David; Arias Rios, Maria Isabel [https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001828551]This study aims to map the conceptual and methodological landscape of healthcare analytics by identifying dominant thematic clusters, synthesizing key trends, and outlining translational challenges and research opportunities in the field. To achieve this, 2,281 Scopus-indexed publications were analyzed using unsupervised text mining and clustering techniques, with a focus on identifying recurring themes, methodological innovations, and gaps in the healthcare analytics literature across clinical, administrative, and public health contexts. The analysis revealed eight dominant themes: intelligent systems for predictive healthcare, patientcentered health analytics, adaptive AI for clinical insights, demographic health analytics, digital mental health surveillance, ethical analytics for health surveillance, personalized care through data analytics, and AI-driven insights for outbreak response. Together, these clusters illustrate an ongoing transition toward real-time, multimodal, and ethically grounded analytics ecosystems. However, the field continues to face persistent challenges, such as data interoperability, algorithmic opacity, standardization of evaluation practices, and demographic bias. The review also underscores emerging priorities that are likely to shape the next phase of development, including explainable AI, federated learning, and context-aware modeling, alongside ethical considerations related to data privacy and digital equity. From a practical perspective, key recommendations include the co-design of solutions with healthcare professionals, greater investment in infrastructure, and the deployment of real-time clinical decision support systems. Overall, healthcare analytics is positioned as a foundational pillar of learning health systems, carrying significant implications for translational research and the advancement of precision health. (Tomado de la fuente)Item type: Ítem , Método para identificar y caracterizar variantes del SARS-CoV-2 mediante algoritmos de aprendizaje de máquinas y simulaciones moleculares(Universidad Nacional de Colombia, 2024-04-15) López Carvajal, María Stella; Branch Bedoya, John Willian; Hernández Ortiz, Juan Pablo ; https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001956104; López Carvajal, Maria Stella [0000-0003-3053-1278]; Branch Bedoya, John William [0000-0002-0378-028X]; Hernández Ortíz, Juan Pablo [0000-0003-0404-9947]; Gidia: Grupo de Investigación YyDesarrollo en Inteligencia ArtificialLa vigilancia genómica del SARS-CoV-2 ha permitido la identificación de variantes de interés y de preocupación a nivel mundial, relevantes para el manejo de salud pública, el mejoramiento de pruebas de diagnóstico y el diseño de las vacunas. Aproximadamente 16 millones de secuencias del virus han sido reportadas a la fecha, un número de instancias varios ordenes de magnitud superior a las decenas de miles de secuencias que han podido ser analizadas con árboles filogenéticos usando estrategias de paralelización computacional. El aprendizaje automático constituye una alternativa para el procesamiento de grandes conjuntos de datos y la identificación de patrones en el genoma viral, características que pueden ser aprovechadas para la identificación de variantes y el reconocimiento de linajes emergentes. En el presente trabajo se construyó una herramienta para la identificación de variantes del SARS-CoV-2 a partir de la obtención y procesamiento automático de secuencias del virus, transformaciones numéricas de los datos y aprendizaje no supervisado. Además, se incorporaron herramientas bioinformáticas para el modelado y la caracterización de proteínas codificadas por los genomas representativos de los linajes identificados. (Tomado de la fuente)Item type: Ítem , Predicción de sobrecostos en proyectos de construcción de edificación (uso no residencial) empleando una técnica de Machine Learning. Caso de estudio: Capital Project Schedules and Budgets(Universidad Nacional de Colombia, 2025) Ospina Castañeda, Andrés Felipe; Espinosa Bedoya, Albeiro; Rojas López, Miguel David; Ospina Castañeda, Andres Felipe [0002208300]; Rojas Lopez, Miguel David [0000252352]; Espinosa Bedoya, Albeiro [EGp0-AIAAAAJ&hl]; Espinosa Bedoya, Albeiro [0000-0001-7292-987X]; Rojas López, Miguel David [0000-0002-3531-4910]; Centro de Investigación y Consultoría Organizacional-Cinco-El presente estudio propone un modelo predictivo basado en técnicas de Machine Learning para anticipar sobrecostos en proyectos de construcción de edificación de uso no residencial, tomando como caso de estudio la base de datos “Capital Project Schedules and Budgets” de la School Construction Authority (SCA) de Nueva York. La investigación surge ante la necesidad de superar las limitaciones de los enfoques tradicionales en la gestión de riesgos en costos. A partir del enfoque CRISP-DM, se llevó a cabo un proceso estructurado que incluyó la comprensión del negocio, análisis exploratorio de datos, selección de variables relevantes, transformación de datos y entrenamiento de modelos predictivos. Se evaluaron cuatro algoritmos: Linear Regression, Random Forest Regressor, Multi Layer Perceptron Regressor, y Gradient Boosting Regressor, siendo este último el de mejor desempeño, alcanzando un coeficiente de determinación (R²) de 0.9824, con un error cuadrático medio (MSE) de 309.699.558 y un error absoluto medio (MAE) de 3.887. El análisis identificó que las variables más influyentes en los sobrecostos fueron de tipo financiero, destacándose el presupuesto total del proyecto, el gasto real estimado a la fecha y el presupuesto final estimado. En contraste, variables categóricas como el tipo de proyecto o la fase constructiva mostraron baja significancia estadística. Asimismo, la validación del modelo mediante K-Fold Cross Validation confirmó su capacidad de generalización, sin indicios de sobreajuste. (Tomado de la fuente)