El tema de la detección de anomalías no es un tema nuevo, sin embargo su desarrollo en el área digital aun está lejos de terminar. El objetivo principal es poder identificar comportamientos atípicos en el comportamiento del sujeto analizado. La tarea de localizar datos anómalos puede ayudar en la seguridad contra ataques cibernéticos, detección de fraudes, forja de seguros o inclusive diagnósticos médicos. Según Market Analysis Report (2023), el 2022 se invirtió un monto de 4.3 mil millones de dólares para el desarrollo de herramientas que permitan localizar anomalías. En el presente trabajo se pretende analizar un año de transacciones de un E-commerce real de tamaño pequeño. Se pretende analizar y comparar diversos tipos de algoritmos de aprendizaje automático no supervisados con el objetivo de explorar los puntos fuertes y débiles de los métodos utilizados. De igual manera se discute como evaluar la precisión, ya que los datos no cuentan con una etiqueta que nos permita saber si son anómalos o no.

La igualación de prima en las aseguradoras es un problema muy importante debido a que existe un área específica destinada a dar solución. Se plantea sustituir las funciones mediante Inteligencia Artificial. El método actual es manual, llega la cotización de seguros y el tiempo de respuesta es de 1 - 2 horas para brindar un mejor precio. La solución propuesta es automatizar el método de asignación de precio para reducir los tiempos de respuesta en la compañía.

Objetivo: identificar, a través de Redes Neuronales Convolucionales (CNN) si una imagen es una cotización de una compañía de seguros.

En los últimos años se ha visto un incremento de casos de enfermedades de las vías respiratorias, ya sea por la calidad del aire de las zonas urbanas a consecuencia de la industrialización, los hábitos personales y el tabaquismo. El cáncer de pulmón tuvo una incidencia, en el 2020, de más de 2 millones de casos en el mundo y alrededor de 1.8 millones de muertes por esta causa. En México, se registraron 7 mil 588 casos nuevos y 7 mil 100 muertes por cáncer de pulmón (International Agency for Research on Cancer, 2020). La resección pulmonar es la extirpación quirúrgica de todo o parte del pulmón debido a un cáncer de pulmón u otra enfermedad pulmonar. Por tal motivo, es importante monitorear el éxito de estas cirugías y clasificar a los pacientes con mayor riesgo de fallo, con el fin de servir de apoyo al momento de elegir el tratamiento adecuado para cada paciente según sus características.

El mercado de valores/acciones ha estado presente en la economía mundial desde el establecimiento de la Ámsterdam Stock Exchange en 1602 en la ciudad de Ámsterdam (Chen, 2022). Desde ese momento y hasta nuestros días funge como un indicador de la economía. La idea de analizar el mercado de acciones ha estado presente desde el trabajo de Fama (1965), el cual concluyo que no era posible predecir el precio de las acciones en base a su desempeño previo. Sin embargo, en la actualidad, diversos estudios han demostrado lo contrario (Bhowmick, 2021). En el presente trabajo se modelaron 100 acciones del índice S&P 500 mediante el uso de modelos de series de tiempo. La finalidad del trabajo es demostrar que los modelos de series de tiempo pueden pronosticar de manera consistente el precio de las acciones. Adicionalmente, se comparó la precisión y los tiempos de ejecución de los modelos.

The central importance of materials in society and their relationship with various properties is highlighted. The growing relevance of artificial intelligence (AI), especially machine learning (ML) and deep learning algorithms, in mechanical engineering and materials science is emphasized. The ability of AI to predict features and create innovative materials is highlighted. Furthermore, the crucial steps for applying ML in materials innovation are described, from data collection and cleaning to algorithm selection and optimization, emphasizing the importance of understanding the nature of data and model validation. Finally, a comprehensive overview of the integration of AI and ML in materials research is provided, highlighting their fundamental role in the optimization and prediction of mechanical properties.

Cardiovascular diseases are one of the most serious problems of modern medicine. Creation of combinations of metabolitotropic cardioprotectors selectively affecting individual target links of ischemic cascade of myocardial damage with the involvement of information technologies is a new promising approach. The aim of the study: to determine experimentally the approaches to the directed metabolic pharmacocorrection of ischemic myocardium and to develop the principles of combined prescription of metabolitotropic cardioprotectors on the basis of the created information technology of computer prediction. We have developed the basic theoretical concepts of a new scientific complex methodology with the involvement of information technologies for the selection and creation of drug combinations of metabolitotropic agents with improved pharmacological and toxicological properties for metabolitotropic cardioprotection. The obtained results were used in the development of an expert system for in silico substantiation of rational combinations of metabolitotropic drugs. The expert system was developed in the form of web application. The obtained data became theoretical and experimental substantiation for the creation of combined drugs based on L-arginine, glycine, tryptophan, L-lysine. The application of new information technology in the targeted development of rational combinations of metabolitotropic drugs will increase the efficiency of complex therapy of cardiovascular diseases of ischemic genesis.

The majority of the compounds that are created using 2,3-dihydrobenzo[b][1,4]dioxine have pharmacological qualities and are employed as synthesis intermediates to create a variety of medications and medicinal substances that are used to treat different illnesses that affect the human body. Thus, the N-alkylation reaction between 2-(2-hydroxyethyl)isoindoline-1,3-dione and 2,3-dihydrobenzo[b][1,4]dioxine was examined in this study. It was investigated how different proton catalysts affected the N-alkylation process. The resulting compound's structure was examined by the application of physico-chemical study methods.

Power quality can be defined as the transmission of the generated energy to the end user without distortion in voltage and current values. In recent years, the use of nonlinear loads such as Flexible AC Transmission Systems (FACTS) devices, power electronic converters, arc generation devices, and Variable Frequency Drives (VFDs) has led to disturbances in power quality.

Ensuring the uninterrupted and smooth operation of systems, delivering power to consumers in a clean manner without disturbance in power quality, is crucial both from a technical and economic perspective. Therefore, rapid detection, classification, and the generation of solutions based on power quality disturbances are essential. This situation has led to a rapid increase in research and studies to solve the problem.

The classification of power quality disturbances essentially occurs in four stages. These stages are obtaining the signal, feature extraction, feature selection, and classification. The success of classification varies depending on the method used in each stage.

In this study, for feature extraction the Discrete Wavelet Transform (DWT) method and five different mother wavelets were used after the signals were obtained. These mother wavelets are Daubechies4(db4), Daubechies2(db2), Symlet4(Sym4), Bior3.3 and Coiflet3. In the feature selection stage, two different optimization algorithms were utilized. These are the Equilibrium Optimization Algorithm (EO) and the Swarm Optimization Algorithm (SSA) . Finally, the K Nearest Neighbour (KNN) algorithm was employed for classification .

In the first step of this study, nine power quality events, one of which is a pure sinusoidal signal, were obtained in the Matlab 2022a/Simulink software and 150 different signals were generated from each of them. In the second step, the feature extraction for 6 levels was conducted using mother wavelets and DWT, and a dataset was obtained from the resulting feature vectors. This dataset was both normalized and logarithmically transformed. In the third step, feature selection was performed using EO and SSA, and finally, classification was performed using the KNN, and accuracy rates were compared.

The impact of mother wavelet selection on classification success was examined. The obtained datasets were divided into five parts, each corresponding to a specific mother wavelet. For each mother wavelet dataset, feature selection was again performed using EO and SSA, and classification successes were compared. According to the results, the Daubechies4 mother wavelet and EO algorithm yielded the best result with a success rate of %95.56. The worst result is obtained with the Daubechies2 and SSA algorithm, at a rate of 85.16%.

La cáscara de nuez pecanera representa el 50 % del fruto [Carya illinoinensis (Wangenh) C. Koch], y son fuente de fitocompuestos polares como taninos, polifenoles y flavonoides con actividad antimicrobiana y antioxidante, entre otras. En este trabajo se obtuvo un extracto alcohólico de cáscara de nuez cosechada en Bustamante, Nuevo León, México. El extracto crudo presentó un rendimiento de 7.7% y en su purificación parcial por cromatografía líquida en columna se obtuvieron 6 fracciones con compuestos mayoritarios determinados por UHPLC, mismos que están siendo evaluadas en sus actividades biológicas, particularmente antioxidante y antimicrobiana.

La deserción o abandono estudiantil constituye una problemática actual, que afecta negativamente a los sistemas educativos alrededor del mundo, incidiendo en su efectividad, eficiencia y prestigio. Generando, además, consecuencias económicas y/o psicosociales negativas en los estudiantes y sus familias. En el ámbito de la Educación Superior, implica el retiro del estudiante de su carrera antes de alcanzar la titulación(Matos, 2021).

Según informes de la UNESCO y el Banco Mundial, en América Latina y el Caribe, menos de la mitad de todos los jóvenes que comenzaron los cursos de Educación Superior se gradúan (tasa de graduación del 46%), exceptuando a EUA con un 67% (Ferreyra et al., 2017).

La identificación de las posibles causas de la deserción se ha convertido en una tarea compleja para las universidades. Entre los factores causales podemos citar los académicos, psicosociales, familiares, económicos, factores psicológicos, así como los relacionados con las propias IES: infraestructura, vida estudiantil, entre otras. Ante esta complejidad, resulta vital la identificación temprana de aquellos estudiantes en riesgo de abandono, pues esto le permitirá a las IES adoptar diferentes medidas para mitigar el fracaso académico. Entre ellas se puede incluir, la asistencia individualizada de estudiantes, cursos de recuperación y sesiones de tutoría (Alvarado-Uribe et. al., 2022).

Actualmente la Educación Superior mexicana vive momentos de transformación hacia la excelencia en la calidad educativa. En este escenario, la UANL a través de su Plan de Desarrollo Institucional 2022-2030 convoca a incorporar diversas actividades y a fortalecer políticas institucionales que impacten en los índices de eficiencia terminal en escuelas y facultades.

La presente investigación está orientada a detectar los principales factores que desde el punto de vista académico inciden en la deserción estudiantil temprana en la FCFM de la UANL, con el empleo de técnicas de ML y utilizando registros de calificaciones de los estudiantes en el período comprendido de enero – junio de 2015 hasta agosto – diciembre de 2022.

Por lo antes expuesto, nuestro proyecto responde a las siguientes preguntas de investigación:

• ¿Las herramientas de ML permiten clasificar, con valores buenos o aceptables de exactitud (bajo errores de clasificación), a los estudiantes en riesgo de abandono en los tres primeros semestres siguiendo metodologías de la Ciencia de Datos?
• ¿Cuáles son los factores académicos que inciden en la deserción, tomando los resultados de los algoritmos de clasificación?