Aprendizaje profundo para el diseño y predicción de ofertas de mercado en el comercio minorista

Calderón Parra, Bryan

Aprendizaje profundo para el diseño y predicción de ofertas de mercado en el comercio minorista

dc.contributor.advisor	Prieto Bolaños, Ricardo Andrés (Director)
dc.contributor.author	Calderón Parra, Bryan
dc.date.accessioned	2025-07-29T20:34:58Z
dc.date.available	2025-07-29T20:34:58Z
dc.date.issued	2024
dc.description	Para llevar a cabo este proyecto, se examinó la aplicación del Aprendizaje Profundo (Deep Learning) en el mercado para determinar la predicción de la oferta, con el propósito de desarrollar un software basado en un modelo de inteligencia artificial que proporcione información pertinente para diseñar estrategias de marketing digital en el sector minorista (retail). Se identificaron las funcionalidades del modelo de predicción, adaptándolas según los requisitos específicos de este ámbito. Con el fin de garantizar la confiabilidad y eficacia de los resultados del modelo predictivo, se emplearon estrategias de recolección y depuración de datos basadas en extractores web (web scrapers). La precisión del modelo se evaluó a través de la validación de criterios de aceptación, cuyos resultados sugieren la eficacia de esta tecnología en la optimización de los procesos de análisis de tendencias y el establecimiento de precios de productos. Este enfoque busca reducir la incertidumbre asociada al análisis de desviaciones relacionadas con presupuestos o previsiones financieras que asumen las conductas de los consumidores.
dc.description.abstract	To carry out this project, the application of Deep Learning in the market was examined to determine supply prediction, with the purpose of developing software based on an artificial intelligence model that provides relevant information to design strategies. digital marketing in the retail sector. The functionalities of the prediction model were identified, adapting them according to the specific requirements of this area. To guarantee the reliability and effectiveness of the results of the predictive model, data collection and purification strategies based on web scrapers were used. The accuracy of the model was evaluated through the validation of acceptance criteria, the results of which suggest the effectiveness of this technology in optimizing trend analysis processes and establishing product prices. This approach seeks to reduce the uncertainty associated with the analysis of deviations related to budgets or financial forecasts that assume consumer behaviors.
dc.format	application/pdf
dc.format.extent	22 páginas
dc.identifier.citation	Parra, B. C. (2024). Aprendizaje profundo para el diseño y predicción de ofertas de mercado en el comercio minorista. Universidad Santiago de Cali.
dc.identifier.uri	https://repositorio.usc.edu.co/handle/20.500.12421/7690
dc.language.iso	es
dc.publisher	Universidad Santiago de Cali
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Ingeniería de Sistemas
dc.pubplace.city	Cali
dc.pubplace.state	Valle del Cauca
dc.rights.acceso	Acceso abierto
dc.rights.cc	Reconocimiento 4.0 Internacional (CC BY 4.0)
dc.source.institution	Universidad Santiago de Cali
dc.source.repository	Repositorio Institucional USC
dc.subject	Deep learning
dc.subject	Predicción de oferta
dc.subject	Sector retail
dc.subject	Machine learning
dc.subject	Marketing digital
dc.subject.keyword	Deep learning
dc.subject.keyword	Offer prediction
dc.subject.keyword	Retail sector
dc.subject.keyword	Machine learning
dc.subject.keyword	Digital marketing
dc.title	Aprendizaje profundo para el diseño y predicción de ofertas de mercado en el comercio minorista
dc.type	Thesis
dc.type	Investigación aplicada