Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/78884Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Gaitán Ospina, Rafael | |
| dc.coverage.spatial | cead_-_josé_celestino_mutis | |
| dc.creator | Flórez Méndez, Ginneth Andrea | |
| dc.creator | García Rodríguez, Luis Antonio | |
| dc.date.accessioned | 2026-02-18T16:59:32Z | |
| dc.date.available | 2026-02-18T16:59:32Z | |
| dc.date.created | 2025-12-23 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/78884 | |
| dc.description | ||
| dc.description.abstract | Colombia presenta una alta dependencia de sus exportaciones basadas en recursos naturales, lo que la hace vulnerable ante las variaciones arancelarias impuestas por los países desarrollados y los bloques económicos. Esta situación limita la competitividad del país y evidencia la necesidad de fortalecer la diversificación productiva y el valor agregado de sus exportaciones. El presente proyecto propone un modelo analítico sustentado en la ciencia de datos, Big Data y técnicas de machine learning para analizar las exportaciones de la última década y predecir su comportamiento futuro. A través de la integración de datos abiertos, se busca identificar patrones, oportunidades y factores críticos que influyen en la dinámica exportadora. Los resultados serán presentados mediante dashboards, los cuales facilitarán la interpretación de la información y la toma de decisiones estratégicas basadas en evidencia. | |
| dc.format | ||
| dc.title | Modelo de ciencia de datos para optimizar las exportaciones de Colombia | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Exportaciones | |
| dc.subject.keywords | Ciencias de Datos | |
| dc.subject.keywords | Big Data | |
| dc.subject.keywords | Machine Learning | |
| dc.subject.keywords | Aranceles | |
| dc.subject.keywords | Competitividad | |
| dc.description.abstractenglish | Colombia faces a high dependence on exports based on natural resources, making it vulnerable to tariff variations imposed by developed countries and economic blocs. This situation limits the country's competitiveness and highlights the need to strengthen productive diversification and add value to its exports. This project proposes an analytical model based on data science, Big Data, and machine learning techniques to analyze exports from the last decade and predict their future behavior. Through the integration of open data, the study seeks to identify patterns, opportunities, and critical factors that influence export dynamics. The results will be presented through dashboards, facilitating data interpretation and evidence-based decision-making. | |
| dc.subject.category | Investigación | |
| dc.subject.category | Ingeniería | |
| dc.subject.category | Tecnología | |
| Appears in Collections: | Especialización en Ciencia de Datos y Analítica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| gaflorezme.pdf | 1.45 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.