Resumen en español

Se aborda el desarrollo de un aplicativo de software para el pronóstico de ventas utilizando algoritmos de inteligencia artificial. El problema evidenciado es la carencia de una herramienta que permita a las pequeñas y medianas empresas (PYMES) tomar mejores decisiones de manera informada para la gestión de su inventario ya que para una empresa tener una buena gestión del inventario es crucial ya que las ventas pueden fluctuar de una manera poco predecible lo que puede llevar a pérdidas eco nómicas por tener poco o demasiado inventario. Las pequeñas empresas, pueden enfrentar más dificultades en la gestión del inventario, lo cual puede resultar poco eficiente debido a que suelen realizar esta gestión de manera manual y sin un estudio previo. El objetivo principal de este trabajo de grado es crear una herramienta capaz de generar pronósticos de ventas precisos a partir de datos históricos, integrando modelos predictivos entrenados con técnicas de machine learning. Para ello, se implementaron y evaluaron tres modelos distintos: una red neuronal LSTM (Long Short-Term Memory), un modelo de soporte vectorial para regresión (SVM) con distintos kernels, y un modelo estadístico SARIMA (Seasonal Autoregressive Integrated Moving Average). Las métricas utilizadas para evaluar el desempeño de los modelos fueron el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el Error Porcentual Absoluto Medio (MAPE). El proyecto fue desarrollado bajo la metodología ágil Scrum, adaptada para un entorno de trabajo individual