Resumen:
Se realizó un modelamiento de datos para la recomendación de formación pos gradual y complementario, basado en la inteligencia de datos para la Corporación Universitaria Unicomfacauca. El proyecto se procedió porque la universidad Unicomfacauca en su actualidad requiere la reincorporación de sus egresados y es de suma importancia ofrecer cursos o formaciones pos gradual que estén de acuerdo a sus preferencias y a su perfil amiento. Para ello es necesario modelar a los usuarios y por consiguiente modelar los datos que se tienen del usuario. Con un sistema basado en la inteligencia de datos, se puede recomendar de una manera más eficiente los programas de posgrado esto con base a los algoritmos y técnicas de recomendación, con un algoritmo híbrido que permite recomendar lo más popular con un filtrado colaborativo y con un filtrado basado en conocimiento, al mismo tiempo si el usuario no brinda los datos correspondientes o no completos el algoritmo se basa en conocimientos previos con personas que tienen un perfil parecido; se realizó un mapeo y revisión de literatura enfocada en estas técnicas de algoritmos, se analizó el problema basado en el diseño centrado en el usuario esto en cuanto a lo que se necesitaba en la Universidad, se modelaron los datos con base en la caracterización de los usuarios que se obtuvieron y por consiguiente esta arrojo un conjunto de datos el cual se le realizó una limpieza, una sustracción de datos y una transformación de datos para dejarlos acorde a una minería de datos basado en los siguientes algoritmos: J48, KNN y CBR, de los cuales se pudo obtener unos resultados en porcentajes los cuales fueron significativamente buenos, sin embargo, se eligió un algoritmo híbrido porque si el usuario no brinda sus datos completos el algoritmo híbrido puede recomendarle el más popular y si el usuario brinda sus datos completos basados en conocimiento como también se puede discriminar o recomendar de las dos formas, además se le recomienda por reglas pensando en que no se le repita una recomendación que ya ha hecho al usuario a un curso que ya haya tomado; con lo cual se concluye que este modelado de datos facilitara la implementación de un sistema de recomendación en Unicomfacauca para un trabajo a futuro considerando que este algoritmo híbrido tuvo una eficiencia superior al 80% igualmente facilitara las decisiones del usuario ofreciéndole una variante adicional que son sus preferencias. Con este modelado se le facilita a la universidad implementar su sistema con base en los datos que cuenta la institución.
