RT info:eu-repo/semantics/masterThesis
T1 Evaluación de modelos generativos on-premises para la mejora de la calidad de datos tabulares
A1 Plúas Vasquez, Michelle Valeria
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Calidad de datos
K1 Datos estructurados
K1 Limpieza de datos
AB La limpieza de datos estructurados sigue siendo un proceso costoso y difícil de automatizar cuando los valores presentan errores, ausencias o inconsistencias. Recientesavances en modelos generativos han abierto la posibilidad de utilizar predicción delenguaje para asistir estas tareas sin depender de reglas fijas o validaciones manuales.Este trabajo comienza con una revisión del estado del arte sobre la aplicaciónde modelos generativos en calidad de datos. A partir de ese análisis, se adaptó unsistema base y se introdujeron errores controlados sobre un dataset clínico. Se evaluóel comportamiento de tres modelos locales ante datos con distintas alteraciones y secompararon sus salidas con los valores originales utilizando métricas por celda.Los resultados muestran que el rendimiento varía según la variable analizaday que ciertos modelos ofrecen ventajas puntuales bajo condiciones específicas. Seobservaron diferencias en precisión, recuperación y coincidencia exacta entre modelosy variables. Estas variaciones ayudan a entender cómo responde cada modelo anteerrores estructurados y pueden orientar decisiones en tareas de limpieza específicas.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79625
UL https://uvadoc.uva.es/handle/10324/79625
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 12-ene-2026