1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería en Ciencias de la Computación
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/13502
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorGrijalva, Felipe, dir-
dc.contributor.authorSánchez Bardellini, Juan Martin-
dc.date.accessioned2024-06-27T18:16:09Z-
dc.date.available2024-06-27T18:16:09Z-
dc.date.issued2023-11-25-
dc.identifier.citationTesis (Ingeniero en Ciencias de la Computación), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2023es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/13502-
dc.descriptionEven though Artificial intelligence has been very prominent in recent years, it wasn’t introduced recently. It has been regularly evolving, which has resulted in new tools being constantly developed. Due to this constant change, it is important to conduct analysis and have a better understanding on the best ways to utilize resources without sacrificing accuracy. This project focuses on analyzing the efficiency and efficacy of three different machine learning architectures: LSTMs, GRUs, TCN, additionally their counterparts with Bidirectional inputs were also evaluated...es_ES
dc.description.abstractLa implementación de inteligencia artificial ha tenido mucha atención estos últimos años, pero no es algo reciente. Ha existido desde hace muchos años y se ha encontrado en constante cambio, lo cual ha dado espacio a muchas herramientas evolucionen. Por esta constate evolución es importante analizar y tener claro los mejores usos de recursos sin sacrificar precisión. Este proyecto busca en analizar la eficiencia y eficacia de tres arquitecturas de aprendizaje automático: LSTMs, GRUs, TCNs, adicionalmente, también se evaluaron sus contrapartes con componentes bidireccionales...es_ES
dc.format.extent63 hes_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectArquitectura de bibliotecas - Tesis y disertaciones académicases_ES
dc.subjectAprendizaje automático (Inteligencia artificial) - Investigacioneses_ES
dc.subject.otherCienciases_ES
dc.subject.otherComputaciónes_ES
dc.titleEvaluación de arquitecturas de aprendizaje automático en predicción de precio de acciones integrado con análisis de sentimiento y factores macroeconómicoses_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
213868.pdfTexto completo1.72 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons