<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Network Embeddings | CRiSS-LAB Chile</title><link>https://criss-lab.com/es/tag/network-embeddings/</link><atom:link href="https://criss-lab.com/es/tag/network-embeddings/index.xml" rel="self" type="application/rss+xml"/><description>Network Embeddings</description><generator>Wowchemy (https://wowchemy.com)</generator><language>es-cl</language><lastBuildDate>Tue, 01 Jun 2021 00:00:00 +0000</lastBuildDate><image><url>https://criss-lab.com/media/sharing.png</url><title>Network Embeddings</title><link>https://criss-lab.com/es/tag/network-embeddings/</link></image><item><title>Redes de vehículos y predicción de próxima compra con embeddings</title><link>https://criss-lab.com/es/projects/derco1/</link><pubDate>Tue, 01 Jun 2021 00:00:00 +0000</pubDate><guid>https://criss-lab.com/es/projects/derco1/</guid><description>&lt;style>
div {
text-align: justify;
text-justify: inter-word;
}
&lt;/style>
&lt;div>
Este proyecto buscó mejorar la toma de decisiones en la industria automotriz. Analizamos datos completos de permisos de circulación entre 2016 y 2021 para construir una estructura relacional de vehículos y sus representaciones mediante embeddings. Luego desarrollamos sistemas de recomendación ajustados con datos de clientes.
&lt;p>El objetivo fue generar evidencia accionable para apoyar decisiones comerciales y entregar mejores recomendaciones de vehículos, partes y accesorios a clientes actuales y futuros.&lt;/p>
&lt;/div>
&lt;br>
&lt;div class="alert alert-note">
&lt;div>
&lt;p>Escríbenos para obtener más información sobre este proyecto.&lt;/p>
&lt;ul class="cta-group">
&lt;li>
&lt;a href="../../contact/" class="btn btn-primary px-3 py-3">Contacto →&lt;/a>
&lt;/li>
&lt;/ul>
&lt;/div>
&lt;/div>
&lt;!-- Supplementary notes can be added here, including [code and math](https://wowchemy.com/docs/content/writing-markdown-latex/). --></description></item><item><title>Lixandria: plataforma para descubrir carreras universitarias</title><link>https://criss-lab.com/es/projects/fondefuniv/</link><pubDate>Sun, 01 Dec 2019 00:00:00 +0000</pubDate><guid>https://criss-lab.com/es/projects/fondefuniv/</guid><description>&lt;style>
div {
text-align: justify;
text-justify: inter-word;
}
&lt;/style>
&lt;div>
Lixandria es una plataforma de orientación, visualización y distribución de datos sobre carreras universitarias. Utiliza el Higher Education Space (HES), que integra información histórica de postulantes al sistema de educación superior mediante sus preferencias y un algoritmo basado en ciencia de redes. Así, el HES amplía las opciones disponibles para quienes eligen una carrera.
&lt;p>Lixandria integra datos de múltiples fuentes, como el Ministerio de Educación, DEMRE y mifuturo.cl, para apoyar a postulantes, instituciones de educación superior y tomadores de decisión. El HES fue desarrollado originalmente como parte de la tesis doctoral de Cristian Candia en 2018, realizada en MIT Media Lab y el Centro de Investigación en Complejidad Social de la UDD. El artículo seminal fue publicado en 2019 por Cristian Candia junto a Flavio Pinheiro y Sara Encarnação, de Universidade NOVA de Lisboa.&lt;/p>
&lt;/div>
&lt;br>
&lt;div class="alert alert-note">
&lt;div>
&lt;p>Escríbenos para obtener más información sobre este proyecto.&lt;/p>
&lt;ul class="cta-group">
&lt;li>
&lt;a href="../../contact/" class="btn btn-primary px-3 py-3">Contacto →&lt;/a>
&lt;/li>
&lt;/ul>
&lt;/div>
&lt;/div>
&lt;!-- Supplementary notes can be added here, including [code and math](https://wowchemy.com/docs/content/writing-markdown-latex/). --></description></item></channel></rss>