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/23000/9809
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPérez, Noel, director-
dc.contributor.authorArosemena Cereceda, Juan Javier-
dc.date.accessioned2021-10-01T18:58:43Z-
dc.date.available2021-10-01T18:58:43Z-
dc.date.issued2020-
dc.identifier.citationTesis (Ingeniero en Ciencias de la Computación) , Universidad San Francisco de Quito , Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2020es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/9809-
dc.descriptionMost novel artificial intelligence prediction algorithms use deep learning techniques to predict financial time series, commonly using Recurrent Neural Networks (RNNs) and Convolutional Neural Networks (CNNs) as their building blocks. Also, autoencoders have gained notoriety for their ability to extract latent space features from data and decode them for predictions as well...es_ES
dc.description.abstractLa mayoría de los algoritmos novedosos de predicción de inteligencia artificial utilizan técnicas de aprendizaje profundo para predecir series temporales financieras, comúnmente utilizando redes neuronales recurrentes (RNN) y redes neuronales convolucionales (CNN) como sus componentes básicos...es_ES
dc.format.extent26 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectRedes neuronales (Computadores)es_ES
dc.subjectAcción cambiariaes_ES
dc.subjectStock price forecastinges_ES
dc.subjectTesis y disertaciones académicases_ES
dc.subject.otherCienciases_ES
dc.subject.otherComputaciónes_ES
dc.titleStock price analysis with Deep-Learning modelses_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
129650.pdfTexto completo481.33 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


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