http://hdl.handle.net/20.500.14076/45 2026-08-16T05:13:07Z http://hdl.handle.net/20.500.14076/29388 Título : Implementación de la solución de telefonía IP en el Ministerio de Comercio Exterior y Turismo Autor : Lobo Vargas, Julio César Resumen : El presente trabajo tiene dos proyectos que fueron desarrollados durante mi experiencia profesional, el primer proyecto es la implementación del equipamiento de switches de comunicaciones, el cual permitió a los equipos de cómputo y dispositivos móviles de las áreas usuarias del MINCETUR conectarse a la red local y a todos los servicios de tecnologías de información brindados, de manera rápida, estable y segura acorde a las necesidades propias de las labores institucionales. Como parte del equipo de proyectos, participé activamente en la implementación de la nueva infraestructura de red basada en switches Core, Distribución y Acceso. En la etapa de diseño técnico se definieron los modelos adecuados de switches de capa 3 y durante la fase de ejecución, se realizó la instalación física de los switches en gabinetes y racks, garantizando el correcto patchado en paneles de conexión, la organización del cableado estructurado y la conexión de fibras ópticas para los enlaces de backbone. Este proyecto fue importante porque se preparó la infraestructura para soportar el nuevo proyecto de la Telefonía IP. El segundo proyecto fue la Implementación de la Solución de Telefonía IP en el MINCETUR, con nuevas tecnologías de equipamiento telefónico (central y aparatos de telefonía IP) con mayores funcionalidades, que permitió el fortalecimiento de la infraestructura de telefonía fija, así como también, la implementación de esquemas de alta disponibilidad, minimizándose los riesgos de falta de continuidad operativa de los servicios de telefonía brindados a través del Data Center del MINCETUR. Para este proyecto se aplicó la metodología en base al modelo de 5 fases de la guía PMBOK.; This paper presents two projects that were developed during my professional experience. The first project involved the implementation of communications switch equipment, which enabled the computer equipment and mobile devices of MINCETUR's user areas to connect to the local network and all the information technology services provided, quickly, stably, and securely, in accordance with the specific needs of institutional tasks. As part of the project team, I actively participated in the implementation of the new network infrastructure based on Core, Distribution, and Access switches. During the technical design stage, the appropriate Layer 3 switch models were defined, and during the execution phase, the switches were physically installed in cabinets and racks, ensuring correct patching in connection panels, structured cabling organization, and fiber optic connection for backbone links. This project was important because it prepared the infrastructure to support the new IP Telephony project. The second project was the implementation of the IP Telephony Solution at MINCETUR, with new telephone equipment technologies (central and IP telephony devices) with greater functionality, which strengthened the fixed telephony infrastructure and the implementation of high availability schemes, minimizing the risks of lack of operational continuity of the telephony services provided through the MINCETUR Data Center. For this project, the methodology based on the 5-phase model of the PMBOK guide was applied. 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/29286 Título : Implementación de un modelo predictivo de aprendizaje automático para la detección temprana de transacciones de lavado de activos en entidades financieras Autor : Melgar Grijalba, Donnalyn Francesca Resumen : El lavado de activos constituye una amenaza crítica para la integridad del sistema financiero, especialmente en el contexto de las instituciones bancarias, donde las cuentas corrientes y de ahorro son utilizadas como vehículos para actividades ilícitas. Esta investigación propone el desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático para la detección temprana de transacciones sospechosas, con el objetivo de fortalecer los mecanismos de prevención y control en entidades financieras. Para ello, se empleó el simulador AMLSim de IBM, que genera datos sintéticos representativos de transacciones bancarias, permitiendo entrenar y evaluar distintos algoritmos de clasificación. La metodología aplicada se fundamentó en el enfoque de MLOps para asegurar la trazabilidad y reproducibilidad del proceso. Se utilizó una muestra de 10,568 registros seleccionados de una población de más de 6 millones de transacciones mediante la técnica del muestreo aleatorio sistemático. Se implementaron y compararon siete modelos de aprendizaje automático: Regresión Logística, SVM, KNN, ANN, Árbol de Decisión, Random Forest y XGBoost. Este último obtuvo el mejor desempeño, alcanzando un AUC de 88%, precisión de 83% y recall de 73%. Mediante un análisis comparativo pre-test y post-test se comprobó, con soporte estadístico que la implementación del modelo XGBoost mejora significativamente la detección de transacciones sospechosas en comparación con un sistema tradicional basado en reglas. Esta mejora se traduce en una reducción de falsos negativos y falsos positivos, lo que permite optimizar la labor del área de cumplimiento y reducir riesgos legales y reputacionales para la entidad financiera. Finalmente, este trabajo demuestra que el uso de modelos avanzados de aprendizaje automático puede fortalecer significativamente los sistemas de prevención de lavado de activos, contribuyendo así al cumplimiento normativo y a la seguridad del sistema financiero.; Money laundering constitutes a critical threat to the integrity of the financial system, especially in the context of banking institutions, where checking and savings accounts are used as vehicles for illicit activities. This research proposes the development of a predictive model based on machine learning techniques for the early detection of suspicious transactions, with the aim of strengthening prevention and control mechanisms in financial institutions. To this end, IBM's AMLSim simulator was used, which generates synthetic data representative of banking transactions, allowing the training and evaluation of different classification algorithms. The methodology applied was based on the MLOps approach to ensure the traceability and reproducibility of the process. A sample of 10,568 records was selected from a population of more than 6 million transactions using the systematic random sampling technique. Seven machine learning models were implemented and compared: Logistic Regression, SVM, KNN, ANN, Decision Tree, Random Forest, and XGBoost. The latter performed best, achieving an AUC of 88%, precision of 83%, and recall of 73%. Through a pre-test and post-test comparative analysis, it was statistically proven that the implementation of the XGBoost model significantly improves the detection of suspicious transactions compared to a traditional rule-based system. This improvement translates into fewer false negatives and false positives, which optimizes the work of the compliance department and reduces legal and reputational risks for the financial institution. Finally, this work demonstrates that the use of advanced machine learning models can significantly strengthen anti-money laundering systems, thus contributing to regulatory compliance and the security of the financial system. 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28977 Título : Diseño y desarrollo de una solución multiplataforma empleando tecnología GPS para reducir el tiempo del registro de asistencia a clases en la FIIS Autor : Arrivasplata Rojas, Bryan Daniell Resumen : La investigación aborda el problema del registro manual de asistencia en la FIIS, un proceso que actualmente requiere que los docentes y estudiantes inviertan tiempo en completar hojas de asistencia o esperar a que se llame a cada estudiante de manera individual. Este método resulta ineficiente y puede interferir en las sesiones académicas. Con la finalidad de mejorar la eficiencia de este proceso cotidiano, se plantea el diseño y desarrollo de una solución tecnológica multiplataforma basada en GPS. Esta herramienta permitirá a los docentes y estudiantes utilizar sus dispositivos móviles para registrar la asistencia de manera automatizada, reduciendo significativamente el tiempo requerido para esta tarea. La efectividad de la aplicación será evaluada en una prueba piloto permitiendo analizar aspectos clave como la precisión del sistema y la experiencia de los usuarios. Los resultados esperados permitirán determinar el impacto de esta solución en la mejora de la gestión del tiempo durante las sesiones académicas. Este proyecto permitirá un avance importante para una modernización en gestiones de carácter administrativo y académico pertenecientes a la FIIS, integrando la tecnología como un aliado para facilitar las tareas cotidianas y fomentar un ambiente de aprendizaje más dinámico y eficiente.; The research addresses the problem of manual attendance recording at FIIS, a process that currently requires faculty and students to spend time completing attendance sheets or waiting for each student to be called individually. This method is inefficient and can interfere with academic sessions. To improve the efficiency of this daily process, the design and development of a multiplatform GPS-based technological solution is proposed. This tool will allow faculty and students to use their mobile devices to automatically record attendance, significantly reducing the time required for this task. The effectiveness of the application will be evaluated in a pilot test, allowing analysis of key aspects such as system accuracy and user experience. The expected results will determine the impact of this solution on improving time management during academic sessions. This project will represent an important step forward in modernizing administrative and academic processes at FIIS, integrating technology as an ally to facilitate daily tasks and foster a more dynamic and efficient learning environment. 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28675 Título : Diseño de un modelo basado en máquinas de vectores de soporte para detectar las crisis epilépticas tónico - clónicas en adultos jóvenes en Lima - Perú Autor : Abarca Urbano, Grimaldo René Resumen : Un asunto en salud pública de importancia en el Perú es el de la epilepsia; enfermedad que, entre el carácter en esencia, imprevisible de sus manifestaciones - las cuales son conocidas como crisis epilépticas - y los bajos índices de diagnóstico y de tratamiento, repercute en la calidad de vida de las personas que la padecen; siendo esto particularmente notable en quienes sufren de un tipo particular de crisis epilépticas denominadas tónico-clónicas, las cuales se caracterizan por la aparición de una actividad motora descontrolada precedida por la pérdida de conciencia constituyendo un motivo frecuente de atención en los servicios de emergencia y que conlleva a implicancias tanto en el ámbito sanitario como en el económico y social. Ante esta problemática en el presente trabajo se desarrolla un modelo que permite detectar estos tipos de crisis consideradas de alto riesgo, tomando como objeto de estudio a las señales motoras provenientes de personas adultas y jóvenes, es decir, quienes están dentro del rango de 18 a 59 años radicadas en Lima - Perú, que se dan durante una crisis epiléptica tónico-clónica y durante actividades motoras que se asemejan a este tipo de crisis. Dicho modelo está basado en la aplicación de las Máquinas de Vectores de Soporte (SVM), una técnica de aprendizaje automático que se centra en la identificación de patrones para la clasificación de datos. Tras la evaluación del desempeño del modelo se evidencia un alto nivel de rendimiento en la detección de crisis epilépticas tónico-clónicas.; A significant public health issue in Peru is epilepsy, a condition that, due to the inherently unpredictable nature of its manifestations - commonly referred to as epileptic seizures - and the low rates of diagnosis and treatment, impacts the quality of life of those who suffer from it. This is particularly notable in individuals who experience a specific type of epileptic seizure known as tonic-clonic seizures, characterized by uncontrolled motor activity preceded by a loss of consciousness. These seizures are a frequent cause of emergency medical care and have implications in the health, economic and social spheres. In response to this problem, the present study develops a model for detecting these high-risk seizures. The study focuses on motor signals from adults and young individuals, specifically those aged 18 to 59 and residing in Lima, Peru, recorded both during a tonic-clonic epileptic seizure and during motor activities that resemble such seizures. This model is based on the application of Support Vector Machines (SVM), a machine learning technique that focuses on pattern recognition for data classification. The performance evaluation of the model demonstrates a high level of accuracy in detecting tonic-clonic epileptic seizures. 2025-01-01T00:00:00Z