Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real

El objetivo fundamental de este TFM consiste en la resolución del problema anteriormente propuesto de la mejor forma posible. Para ello, el trabajo se va a desarrollar en dos partes, que se explican a continuación. La primera parte será la presentación al concurso propuesto por Inditex, en la que se...

ver descrição completa

Detalhes bibliográficos
Autor: Gavilán García, Elena del Carmen
Formato: tesis de maestría
Fecha de publicación:2019
País:España
Recursos:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/122312
Acesso em linha:https://hdl.handle.net/20.500.14352/122312
Access Level:acceso abierto
Palavra-chave:519.2
004.6
Estadística, Análisis de Datos
Estadística
Software Estadístico
Investigación Comercial
1209 Estadística
1209.03 Análisis de Datos
id ES_02eadc881e164428eb68fab37eaf9a5a
oai_identifier_str oai:docta.ucm.es:20.500.14352/122312
network_acronym_str ES
network_name_str España
repository_id_str
spelling Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema realGavilán García, Elena del Carmen519.2004.6Estadística, Análisis de DatosEstadísticaSoftware EstadísticoInvestigación Comercial1209 Estadística1209.03 Análisis de DatosEl objetivo fundamental de este TFM consiste en la resolución del problema anteriormente propuesto de la mejor forma posible. Para ello, el trabajo se va a desarrollar en dos partes, que se explican a continuación. La primera parte será la presentación al concurso propuesto por Inditex, en la que se contara la experiencia, cómo se decidió resolver el problema con el tiempo del que se disponía, así como los resultados obtenidos y la tabla de clasificación del mismo. Esta primera parte ha sido realizada con la ayuda de los programas SAS EM y SAS base. En la segunda parte, se intentará mejorar lo presentado en el concurso, llevando a cabo técnicas aprendidas durante el curso en un periodo de tiempo más largo. Será realizado con la ayuda de SAS base. En definitiva, el trabajo tendrá una visión puramente competitiva, en la que se pondrán a prueba los conocimientos aprendidos para la predicción con ayuda de distintas técnicas de machine learning y modelos clásicos de segmentación, la gestión de grandes almacenes de datos y la toma de decisiones para el beneficio del modelo que propone la empresa, en este caso Inditex. Al final, se compararán los resultados obtenidos de la participación en el concurso, el trabajo posterior y los resultados del ganador.Manuel García, Conrado MiguelUniversidad Complutense de Madrid20192019-06-3020192019-06-30master thesishttp://purl.org/coar/resource_type/c_bdccAOhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/122312reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1223122026-06-02T12:44:21Z
dc.title.none.fl_str_mv Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
title Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
spellingShingle Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
Gavilán García, Elena del Carmen
519.2
004.6
Estadística, Análisis de Datos
Estadística
Software Estadístico
Investigación Comercial
1209 Estadística
1209.03 Análisis de Datos
title_short Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
title_full Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
title_fullStr Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
title_full_unstemmed Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
title_sort Concursando en el Data Zara Challenge : Aplicando técnicas de machine learning a un problema real
dc.creator.none.fl_str_mv Gavilán García, Elena del Carmen
author Gavilán García, Elena del Carmen
author_facet Gavilán García, Elena del Carmen
author_role author
dc.contributor.none.fl_str_mv Manuel García, Conrado Miguel
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 519.2
004.6
Estadística, Análisis de Datos
Estadística
Software Estadístico
Investigación Comercial
1209 Estadística
1209.03 Análisis de Datos
topic 519.2
004.6
Estadística, Análisis de Datos
Estadística
Software Estadístico
Investigación Comercial
1209 Estadística
1209.03 Análisis de Datos
description El objetivo fundamental de este TFM consiste en la resolución del problema anteriormente propuesto de la mejor forma posible. Para ello, el trabajo se va a desarrollar en dos partes, que se explican a continuación. La primera parte será la presentación al concurso propuesto por Inditex, en la que se contara la experiencia, cómo se decidió resolver el problema con el tiempo del que se disponía, así como los resultados obtenidos y la tabla de clasificación del mismo. Esta primera parte ha sido realizada con la ayuda de los programas SAS EM y SAS base. En la segunda parte, se intentará mejorar lo presentado en el concurso, llevando a cabo técnicas aprendidas durante el curso en un periodo de tiempo más largo. Será realizado con la ayuda de SAS base. En definitiva, el trabajo tendrá una visión puramente competitiva, en la que se pondrán a prueba los conocimientos aprendidos para la predicción con ayuda de distintas técnicas de machine learning y modelos clásicos de segmentación, la gestión de grandes almacenes de datos y la toma de decisiones para el beneficio del modelo que propone la empresa, en este caso Inditex. Al final, se compararán los resultados obtenidos de la participación en el concurso, el trabajo posterior y los resultados del ganador.
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-06-30
2019
2019-06-30
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AO
http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/122312
url https://hdl.handle.net/20.500.14352/122312
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869402690054782976
score 15.198674

Registos relacionados