Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial

Hincapié Herrera, Juan Daniel

Publicación:
Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial

dc.contributor.advisor	Patiño Perez, Héctor Alejandro
dc.contributor.author	Hincapié Herrera, Juan Daniel
dc.date.accessioned	2022-07-08T17:01:30Z
dc.date.available	2022-07-08T17:01:30Z
dc.date.issued	2022
dc.description	64 páginas	spa
dc.description.abstract	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.	spa
dc.description.abstract	ABSTRACT: The secondary market for sneakers has been on a vertiginous rise in the last half decade, going from being mostly cult items or of mere functional objects, to being icons of a movement and constant participant of our daily life. The search for highlighting and exclusivity is not alien to this market, exclusive models of a city or country, collaborations with the artist / athlete of the moment or simply a limited quantity, have made the accessibility to the general public is virtually nil and only those who are informed and in the right place can buy them generating a demand of proportions never seen before. This demand has been exploited by a number of players along the sneaker consumption chain, from manufacturers, retailers and, of course, resellers, people who "monopolize" access to the release of the moment. In order to take advantage of the large amount of data coming from this growing market, among many other artificial intelligence technologies, machine learning (ML) has shown to be a powerful weapon to face this colossus of data. Artificial neural networks, decision trees, linear regressions, among other learning algorithms which allow a system to learn and develop a task given an-input of data and the "experience" it extracts from these. Then comes the question of how to apply this exponential knowledge to this promising market and thus take a slice of this cake where the big players and their game strategies are still being defined. In order to do this, it must first be decided which information is of value to teach these models, test them and determine which one best fits the available data, because contrary to what one might think in this type of problem, it is the models that must adapt to the data, not the other way around.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) Administrativo(a)	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/5308
dc.language.iso	spa	spa
dc.publisher	Universidad EIA	spa
dc.publisher.faculty	Escuela de Ciencias Económicas y Administrativas	spa
dc.publisher.place	Envigado (Antioquia, Colombia)	spa
dc.publisher.program	Ingeniería Administrativa	spa
dc.rights	Derechos Reservados - Universidad EIA, 2022	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	spa
dc.subject.proposal	Zapatillas Sneakers	spa
dc.subject.proposal	Reventa	spa
dc.subject.proposal	Aprendizaje computacional	spa
dc.subject.proposal	Datos	spa
dc.subject.proposal	Machine Learning	eng
dc.subject.proposal	Data	spa
dc.title	Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa
dc.type.redcol	https://purl.org/redcol/resource_type/TP	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication