Examinando por Materia "Inteligencia Artificial"

Mostrando 1 - 8 de 8
  • Miniatura
    PublicaciónAcceso abierto
    Aplicación Web de Atención para Consultas de Procedimientos Administrativos y Preguntas Frecuentes con Integración de un Chatbot
    (Universidad del Valle, 2025) Arango Guzmán, Juan Felipe; Triana Madrid, Joshua David
    Se desarrolló una aplicación web con información para atender preguntas frecuentes y consultas acerca de algunos procesos administrativos que puedan tener los estudiantes de ingeniería de sistemas de la sede Tuluá, con el apoyo de un asistente virtual (chatbot) para la resolución de dudas acerca de la información requerida, con el fin de reducir el tiempo que usa el personal administrativo en la atención de estos asuntos, incrementando la productividad de los mismos y a su vez dar una respuesta oportuna a dudas o preguntas frecuentes de los alumnos evitando que se desplacen a la oficina o en contra parte, que envíen correos que debido al gran volumen de estos, la respuesta tardará algo de tiempo en llegar. En el desarrollo del proyecto se utilizó inteligencia artificial (IA) para la creación del chatbot incorporando técnicas de procesamiento de lenguaje natural (PLN) para que los estudiantes tengan una interacción fluida y facilidad para dar respuesta a sus cuestionamientos. Además, se adoptó un enfoque web, considerando que actualmente las personas utilizan cada vez más dispositivos inteligentes. Desarrollar una aplicación nativa para cada plataforma puede ser una tarea ardua. Este problema puede ser mitigado significativamente mediante el uso de tecnologías web, ya que permiten que la aplicación sea accesible desde una amplia gama de dispositivos con el único requisito de contar con un navegador web compatible.
  • Miniatura
    PublicaciónAcceso abierto
    Aplicativo móvil para el reconocimiento de medicamentos usando visión artificial para apoyar el proceso de inventarios
    (Universidad del Valle, 2025) Montaño Cely, Edwar Stiven; Bacca Cortes, Eval Bladimir; Loaiza-Correa, Humberto
    El desarrollo de una aplicación móvil para el reconocimiento de medicamentos surge como una respuesta a la necesidad de mejorar la gestión de inventarios en farmacias aumentando la precisión en la distribución y almacenamiento de medicamentos. El proyecto se enfoca inicialmente en diez medicamentos seleccionados por su alto volumen de ventas y relevancia en el tratamiento de condiciones comunes en Colombia. Para implementar esta solución, se utilizó un modelo YOLO versión 8, adaptado para ejecutarse en TensorFlow lite, lo cual permite su uso en una amplia gama de dispositivos móviles. La recopilación y preparación de datos involucraron procedimientos meticulosos en entornos controlados y comerciales para garantizar la robustez del sistema ante variaciones reales de iluminación y empaque. El sistema de clasificación emplea la arquitectura YOLOv8, destacándose por su precisión y velocidad en la detección y clasificación de objetos, lo cual es esencial para la funcionalidad de la aplicación en tiempo real. Además, se integraron herramientas como PyTorch, Ultralytics, Roboflow y Comet para facilitar el flujo de desarrollo y la gestión de modelos. El entrenamiento del modelo se realizó ajustando cuidadosamente los hiperparámetros para equilibrar precisión y eficiencia computacional, y se exportó el modelo a TensorFlow Lite para asegurar su compatibilidad y rendimiento en dispositivos móviles. El diseño de la aplicación móvil se centró en integrar todas las etapas del flujo MLOps, desde la adquisición de datos hasta el despliegue y monitoreo de modelos. En pruebas, el modelo alcanzó una precisión del 94 % y una sensibilidad de 97.2 % mostrando capacidad robusta para identificar medicamentos. La evaluación de desempeño en plataformas de GPU y CPU arrojó resultados de velocidades de inferencia de 8 y 71 milisegundos por imagen respectivamente. Aunque en CPU la velocidad de inferencia se redujo, la precisión y sensibilidad se mantuvieron, lo que sugiere que el modelo es adaptable y funcional en dispositivos con recursos computacionales limitados, lo que amplía considerablemente su aplicabilidad.
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de un Prototipo de sistema de recomendación para elección de vehículo tipo motocicleta basado en filtrado colaborativo
    (Universidad del Valle, 2025) Delgado Galeano, Carlos Alberto; Gil Ayala, Jesús Alberto; López Benitez, Mauricio
    La elección de una motocicleta es un proceso complejo que puede resultar abrumador para los usuarios debido a la diversidad de opciones disponibles y las diferentes necesidades y preferencias individuales. La propuesta de un sistema de recomendación de motocicletas buscó abordar este desafío al proporcionar orientación personalizada y precisa a los usuarios en su búsqueda del vehículo perfecto. Este sistema se implementó utilizando una metodología basada en el análisis de datos, el aprendizaje automático y el filtrado colaborativo. A través de estas tecnologías, se comprendieron las preferencias de los usuarios y se sugirieron motocicletas que se adaptaran mejor a sus necesidades y gustos individuales. De esta manera, el sistema ofreció recomendaciones personalizadas que se alinearon específicamente con las características y preferencias únicas de cada usuario, mejorando significativamente la precisión y relevancia de las sugerencias. Los resultados obtenidos mostraron una mejora considerable en la satisfacción del usuario al reducir el tiempo y esfuerzo necesarios para encontrar una motocicleta adecuada, adaptándose de forma precisa a las necesidades personales de cada individuo.
  • Miniatura
    PublicaciónAcceso abierto
    Identificacion de instrumentos de musica andina utilizando tecnicas de Machine Learning
    (Universidad del Valle, 2025) Correa Valencia, Willian David; Ocampo Arbelaez, Hector Fabio
    Este proyecto presenta el desarrollo de un sistema de identificación de instrumentos musicales específicos de la región andina utilizando diferentes técnicas de Machine Learning. El sistema propuesto emplea algoritmos de clasificación para analizar y categorizar sonidos musicales, facilitando la identificación automática de instrumentos como la quena, el charango, la zampoña y el bombo andino, entre otros adicionales. Se recolectarán datos acústicos de diversas fuentes y se procesarán para extraer características relevantes que alimenten los modelos de aprendizaje automático.
  • Miniatura
    PublicaciónAcceso abierto
    Plataforma para aprendizaje evolutivo de reglas fuzzy para el guiado de robots móviles.
    (2011-10-13) Vallejo R., Eric; Benet Gilabert, Ginés
    Se presenta la creación de una plataforma en software que incluye un algoritmo para evolucionar el aprendizaje de FLCs para robots móviles. Para ello se utilizan diversas herramientas de apoyo al diseño y simulación. Con base en SIMULINK y otras herramientas de MATLAB, se diseña e implementa la plataforma de trabajo enfocada en particular a un robot Khepera pero aplicable a otros robots que operen con estrategias reactivas-deliberativas. La navegación está basada comportamientos simples desarrollados como sistemas de inferencia fuzzy. Los controladores se generan automáticamente como una variante de los Sistemas Clasificadores. Los controladores se han probado tanto en simulación como con un robot real para verificar su comportamiento.
  • Miniatura
    PublicaciónAcceso abierto
    PronunciApp: Prototipo de aplicacion web para la mejora de la pronunciación del inglés en los estudiantes de la carrera de Ingeniería de sistemas de la Universidad del Valle, sede Tuluá
    (Universidad del Valle, 2025) Casallas Ortiz, Daniel Felipe; Triana Madrid, Joshua David
    PronunciApp es un prototipo de aplicación web desarrollado como proyecto de grado para proporcionar una mejora sobre la pronunciación del idioma inglés a estudiantes de Ingeniería de Sistemas de la Universidad del Valle, sede Tuluá. El sistema implementado permite a los usuarios grabar su voz al repetir palabras en inglés, las cuales son analizadas utilizando tecnologías de reconocimiento de voz para generar retroalimentación sobre aspectos de la pronunciación. La aplicación se desarrolló utilizando Angular 19 para la interfaz de usuario, FastAPI para el backend, y se desplegó en la plataforma Azure. El proceso de desarrollo siguió la metodología Scrumban a lo largo de 40 sprints, aplicando principios de diseño UX/UI para crear una herramienta que permite la práctica de pronunciación mediante el análisis de grabaciones de audio.
  • Miniatura
    PublicaciónAcceso abierto
    Prototipo web de un sistema de recomendación para la compra de computadores portátiles
    (Universidad del Valle, 2025) Martínez Gómez, Jorge Adrián; Askar Rodríguez, Miguel Ángel
    El proyecto desarrolla un prototipo web de un sistema de recomendación orientado a la compra de computadores portátiles, con el objetivo de ayudar a usuarios sin conocimientos técnicos a tomar decisiones informadas. La investigación surge a partir de la dificultad que enfrentan las personas al elegir un equipo adecuado en un mercado amplio y complejo, donde influyen factores como el precio, el uso previsto y las especificaciones técnicas. Para abordar esta problemática, se diseñó un sistema que recopila información sobre las preferencias del usuario mediante preguntas simples, evitando tecnicismos. A partir de estas respuestas, el sistema utiliza técnicas de recomendación basadas principalmente en reglas de asociación, complementadas con inteligencia artificial, para generar सुझावes personalizadas. Además, se implementa un chatbot que facilita la interacción y mejora la experiencia del usuario. El desarrollo incluyó la recolección de datos mediante web scraping de plataformas comerciales, la construcción de una base de datos estructurada y el uso de tecnologías modernas como Node.js, React y Supabase. Asimismo, se realizaron pruebas con usuarios reales para evaluar la efectividad del sistema y su usabilidad. Como resultado, se obtuvo una aplicación funcional capaz de ofrecer recomendaciones ajustadas a las necesidades y presupuesto del usuario, demostrando que el uso de sistemas de recomendación e inteligencia artificial puede mejorar significativamente la experiencia de compra en el ámbito tecnológico.
  • Miniatura
    PublicaciónAcceso abierto
    Segmentación mediante Inteligencia Artificial para la detección de lesiones por trauma craneoencefálico cerrado a través de imágenes por resonancia magnética
    (Universidad del Valle, 2025) Castaño Ledesma, Jenifer; Chaves Sanchez, Deisy; Trujillo Uribe, Maria Patricia; Herrera Trujillo, Alejandro; Amador Rodríguez, Pedro Alejandro
    En este trabajo de grado se propone una estrategia para la segmentación automática de lesiones asociadas al TCEC en IRM ponderadas en T1. Para ello, se estableció un preprocesamiento que incluye la remoción del cráneo, la alineación de las imágenes a una plantilla de referencia estándar, el recorte basado en la región de interés, la normalización y el remuestreo. Asimismo, se evaluaron diferentes métodos de normalización con el fin de analizar su efecto en el desempeño del modelo. Posteriormente, se entrenaron y evaluaron dos modelos basados en la arquitectura U-Net: nnU-Net y 3D U-Net. Además, se realizó un experimento con nnU-Net para evaluar el desempeño utilizando aprendizaje por transferencia. El rendimiento de ambos se midió usando métricas como el Coeficiente de Dice e Intersección sobre la Unión. Los resultados muestran que el modelo nnU-Net junto con el método de normalización KDE obtuvo el mejor desempeño y que el aprendizaje por transferencia permitió mejorar significativamente las métricas de evaluación. Finalmente, se implementó un framework que integra todo el proceso de segmentación, proporcionando una herramienta para apoyar la práctica clínica y futuras investigaciones relacionadas con el TCEC.