Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones

Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to Rank, por otro lado, es una rama de...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Umaña Zamora, Gabriela M.
Otros Autores: Gálvez, Ramiro H.
Formato: Artículo acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Predicción tecnológica
Aprendizaje automático
Aprendizaje supervisado
Learning to Rank
Machine Learning
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11881
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11881
record_format dspace
spelling I57-R163-20.500.13098-118812023-06-16T07:25:43Z Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones Umaña Zamora, Gabriela M. Gálvez, Ramiro H. Soulés, Lucas M. Predicción tecnológica Aprendizaje automático Aprendizaje supervisado Learning to Rank Machine Learning Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to Rank, por otro lado, es una rama del aprendizaje supervisado que busca ordenar un conjunto de opciones dado un criterio de relevancia. En esta tesis se evalúa el desempeño de estos modelos en tres aplicaciones diferentes. Dos de ellas requieren ordenar páginas web respecto a criterios de búsqueda, y la tercera es un sistema de recomendación de productos en un marketplace. Los resultados obtenidos en este estudio sugieren que estos modelos tienen un mejor desempeño en tareas de ordenamiento que técnicas tradicionales de regresión y clasificación. Utilizar Learning to Rank con la metodología planteada en esta tesis, puede ayudar a industrias de diferentes tipos a obtener mejores resultados en múltiples áreas como marketing y finanzas. 2023-06-15T17:28:52Z 2023-06-15T17:28:52Z 2021 info:eu-repo/semantics/article info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11881 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 60 p. application/pdf application/pdf Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Predicción tecnológica
Aprendizaje automático
Aprendizaje supervisado
Learning to Rank
Machine Learning
spellingShingle Predicción tecnológica
Aprendizaje automático
Aprendizaje supervisado
Learning to Rank
Machine Learning
Umaña Zamora, Gabriela M.
Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
topic_facet Predicción tecnológica
Aprendizaje automático
Aprendizaje supervisado
Learning to Rank
Machine Learning
description Existen muchos problemas de negocio que requieren predecir u ordenar un conjunto de opciones. Para resolver este tipo de preguntas los modelos tradicionales de aprendizaje supervisado pueden no ser ideales, ya que no están diseñados para esta tarea. Learning to Rank, por otro lado, es una rama del aprendizaje supervisado que busca ordenar un conjunto de opciones dado un criterio de relevancia. En esta tesis se evalúa el desempeño de estos modelos en tres aplicaciones diferentes. Dos de ellas requieren ordenar páginas web respecto a criterios de búsqueda, y la tercera es un sistema de recomendación de productos en un marketplace. Los resultados obtenidos en este estudio sugieren que estos modelos tienen un mejor desempeño en tareas de ordenamiento que técnicas tradicionales de regresión y clasificación. Utilizar Learning to Rank con la metodología planteada en esta tesis, puede ayudar a industrias de diferentes tipos a obtener mejores resultados en múltiples áreas como marketing y finanzas.
author2 Gálvez, Ramiro H.
author_facet Gálvez, Ramiro H.
Umaña Zamora, Gabriela M.
format Artículo
acceptedVersion
author Umaña Zamora, Gabriela M.
author_sort Umaña Zamora, Gabriela M.
title Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
title_short Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
title_full Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
title_fullStr Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
title_full_unstemmed Aplicación empírica de metodologías de Machine Learning to Rank. Comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
title_sort aplicación empírica de metodologías de machine learning to rank. comparación con otras técnicas de aprendizaje supervisado en diferentes aplicaciones
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11881
work_keys_str_mv AT umanazamoragabrielam aplicacionempiricademetodologiasdemachinelearningtorankcomparacionconotrastecnicasdeaprendizajesupervisadoendiferentesaplicaciones
_version_ 1769355029782724608

Ejemplares similares