Caracterización de la curva de lactancia en vacas Holstein Friesian somatotropinizadas según lactancia con la aplicación de algoritmos Learning Machine

Talavera Alvarez, Sebastian

Caracterización de la curva de lactancia en vacas Holstein Friesian somatotropinizadas según lactancia con la aplicación de algoritmos Learning Machine

dc.contributor.advisor	Reátegui Ordoñez, Juan Eduardo
dc.contributor.author	Talavera Alvarez, Sebastian
dc.date.accessioned	2026-01-05T21:58:04Z
dc.date.available	2026-01-05T21:58:04Z
dc.date.issued	2025-12-12
dc.description.abstract	El presente estudio analizó la curva de lactancia en vacas Holstein Friesian somatotropinizadas según el número de lactancia, aplicando algoritmos de Machine Learning. La investigación, titulada “Caracterización de la curva de lactancia en vacas Holstein Friesian somatotropinizadas según lactancia con la aplicación de algoritmos Learning Machine”, tuvo como objetivo general analizar dicha curva aplicando herramientas de aprendizaje automático. Se plantearon como objetivos específicos: comparar la curva de lactancia generada por algoritmos de Machine Learning y el modelo de Wood, estimar el valor del pico de producción de leche mediante redes neuronales y compararlo con el modelo paramétrico, y determinar el mes en el que se alcanza dicho pico. La muestra estuvo conformada por 545 vacas en lactación, desde la primera hasta la cuarta lactancia, pertenecientes a un establo ubicado en el distrito de Majes. Los datos mensuales de producción láctea fueron procesados y analizados con el modelo de Wood y con redes neuronales, siguiendo una secuencia que incluyó limpieza de datos, entrenamiento de modelos, validación cruzada e interpretación de resultados. Los valores estimados para el pico de producción fueron de 41.63 kg en el mes 4 mediante redes neuronales, y 40.79 kg en el mes 3.42 con el modelo de Wood. Al comparar los modelos, el de Wood presentó un mejor desempeño en términos de error cuadrático medio (MSE = 7.6917) y coeficiente de determinación (R² = 0.8074), frente al modelo de red neuronal (MSE = 33.8001; R² = 0.094), lo que sugiere un mayor nivel de ajuste con el modelo clásico. En conclusión, el modelo de Wood permitió describir con mayor precisión la curva de lactancia en las vacas estudiadas, mientras que el modelo de red neuronal logró representar el comportamiento general, aunque con menor capacidad de predicción bajo el conjunto de datos analizado. Ambos modelos, sin embargo, fueron útiles para identificar el mes y valor del pico productivo durante la lactancia.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12920/16250
dc.language.iso	spa
dc.publisher	Universidad Católica de Santa María	es_ES
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	es_ES
dc.source	Universidad Católica de Santa María	es_ES
dc.source	Repositorio de la Universidad Católica de Santa María - UCSM	es_ES
dc.subject	Redes neuronales
dc.subject	Curva de lactancia,
dc.subject	Aprendizaje automático
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#4.03.00
dc.title	Caracterización de la curva de lactancia en vacas Holstein Friesian somatotropinizadas según lactancia con la aplicación de algoritmos Learning Machine
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	29688868
renati.advisor.orcid	0000-0001-6359-3999
renati.author.dni	70331839
renati.discipline	841056
renati.juror	Obando Sanchez, Alexander Daniel
renati.juror	Zegarra Paredes, Jorge Luis
renati.juror	Cornejo Roque, Romely Fernanda
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Medicina Veterinaria y Zootecnia
thesis.degree.grantor	Universidad Católica de Santa María.Facultad de Ciencias e Ingenierías Biológicas y Químicas	es_ES
thesis.degree.name	Médico Veterinario y Zootecnista