Sistema recomendador como herramienta de apoyo en plataformas digitales para operaciones turísticas / Juan David Alemán Herrera; Keyner de Jesús Crespo Rodríguez; Yordis Daniel Gomez Bastidas; Asesor: Udualdo Herrera Garcia.
Tipo de material:
TextoDetalles de publicación: Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2025.Descripción: 147 hojasTema(s): Clasificación CDD: - TSI 2025 A367
| Imagen de cubierta | Tipo de ítem | Biblioteca actual | Biblioteca de origen | Colección | Ubicación en estantería | Signatura topográfica | Materiales especificados | Info Vol | URL | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras | Reserva de ítems | Prioridad de la cola de reserva de ejemplar | Reservas para cursos | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Trabajos de grado | Miguel Henríquez Castañeda Trabajo de grado | Trabajos de grado | TSI 2025 A367 (Navegar estantería(Abre debajo)) | Disponible | 025508 |
Navegando Miguel Henríquez Castañeda estanterías,Ubicación en estantería: Trabajo de grado,Colección: Trabajos de grado Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
Trabajo de grado (Tecnologo en sistemas de información y software). Corporación Universitaria Rafael Nuñez. Facultad de ingenieria de sistemas. Tecnologia en sistema de información y software, 2025.
"Este proyecto consiste en el desarrollo de un sistema recomendador digital que busca mejorar la experiencia turística en la ciudad de Cartagena, con un enfoque especial en la elección de playas. Cartagena, reconocida por su atractivo histórico y natural, cuenta con numerosas playas que presentan una diversidad de características, pero los turistas suelen enfrentar dificultades para elegir la más adecuada debido a la falta de información organizada, personalizada y actualizada. El sistema fue concebido como una herramienta basada en inteligencia artificial que sugiere playas a los visitantes según sus preferencias individuales, como tranquilidad, cercana a restaurantes, actividades disponibles o limpieza. Se aplicaron técnicas filtrado basado en contenido y análisis de similitud para construir el motor de recomendaciones, todo implementado en Python con librerías como Scikit-learn, Pandas y NumPy. Para la interfaz de usuario, se utilizó la herramienta Streamlit, permitiendo una navegación intuitiva y adaptable para el usuario.."
No hay comentarios en este titulo.