Examinando por Autor "Patiño Perez, Héctor Alejandro"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial
    (Universidad EIA, 2022) Hincapié Herrera, Juan Daniel; Patiño Perez, Héctor Alejandro
    RESUMEN: El mercado secundario de sneakers deportivas, o sneakers, ha venido en un vertiginoso ascenso en la última media década, pasando de ser artículos en su mayoría de culto o de mero uso funcional, a ser íconos de un movimiento y constante participación de nuestro diario vivir. La búsqueda de lo exclusivo con el objetivo de resaltar no es ajena a este mercado. Modelos exclusivos de temática sobre una ciudad o país, colaboraciones con el artista/deportista del momento, o simplemente una cantidad limitada de modelos generan una demanda de inéditas proporciones, la cual ha hecho que la accesibilidad al público en general sea prácticamente nula, y que solo quienes están en informados y en el lugar correcto puedan comprarlos. Dicha demanda ha sido explotada por una serie de jugadores a lo largo de la cadena de consumo de las sneakers , desde los fabricantes, retailers y como no, revendedores, personas que “monopolizan” el acceso al lanzamiento del momento. Con el fin de aprovechar el gran caudal de datos proveniente del mercado en crecimiento de reventa de sneakers , entre muchas otras tecnologías de inteligencia artificial, el machine learnig (ML) ha mostrado ser un arma poderosa para hacerle cara a este volumen de datos. Con este objetivo, dentro del machine learnig se han desarrollado algoritmos de aprendizaje tales como: redes neuronales artificiales, árboles de decisión, regresiones lineales, entre otros, los cuales permiten a un sistema aprender a desarrollar una labor dada una entrada de datos y la “experiencia” que extrae de estos. Entonces entra el cuestionamiento de cómo aplicar dicho conocimiento de carácter exponencial con este mercado tan prometedor, para así tomar una rebanada de este pastel donde aún se están definiendo los grandes jugadores y sus estrategias de juego. Para esto primero se debe decidir qué información es la de valor para enseñarle a estos modelos, probarlos y determinar cuál se ajusta más a los datos disponibles, pues contrario a lo que se podría pensar en este tipo de problemas son los modelos los que deben adaptarse a los datos, no al contrario.