Aplicación de Software para la gestión y análisis de información del contexto agrícola, mediante la implementación de técnicas y algoritmos de analítica de datos

dc.contributor.advisorTalero Sarmiento, Leonardo Hernán
dc.contributor.advisorMoreno Corzo, Feisar Enrique
dc.contributor.apolounabTalero Sarmiento, Leonardo Hernán [leonardo-talero]spa
dc.contributor.apolounabMoreno Corzo, Feisar Enrique [feisar-enrique-moreno-corzo]spa
dc.contributor.authorCasallas Vanegas, Diego Hernando
dc.contributor.cvlacCasallas Vanegas, Diego Hernando [0001690078]spa
dc.contributor.cvlacTalero Sarmiento, Leonardo Hernán [31387]spa
dc.contributor.cvlacMoreno Corzo, Feisar Enrique [0001499008]spa
dc.contributor.googlescholarMoreno Corzo, Feisar Enrique [jz75nEcAAAAJ]spa
dc.contributor.linkedinTalero Sarmiento, Leonardo Hernán [leonardo-talero-sarmiento]spa
dc.contributor.linkedinMoreno Corzo, Feisar Enrique [feisar-moreno]spa
dc.contributor.linkedinCasallas Vanegas, Diego Hernando [diehercasvan/]spa
dc.contributor.orcidTalero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]spa
dc.contributor.orcidMoreno Corzo, Feisar Enrique [0000-0002-5007-3422]spa
dc.contributor.researchgateTalero Sarmiento, Leonardo Hernán [Leonardo_Talero]spa
dc.contributor.researchgateMoreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]spa
dc.contributor.researchgroupGrupo de Investigación Tecnologías de Información - GTIspa
dc.coverage.campusUNAB Campus Bogotáspa
dc.coverage.spatialBogotá (Colombia)spa
dc.date.accessioned2026-02-20T16:11:29Z
dc.date.available2026-02-20T16:11:29Z
dc.date.issued2026-02-20
dc.degree.nameMagíster en Gestión, Aplicación y Desarrollo de Softwarespa
dc.description.abstractEn la actualidad, las Tecnologías de la Información y la Comunicación (en adelante TICs) han permeado todos los ámbitos de la sociedad, brindando aplicaciones y herramientas útiles para las diferentes áreas de la ciencia y el saber. De tal manera, en el sector agrícola ofrecen enormes ventajas con la incorporación de estas tecnologías, aumentando la calidad y la eficiencia de esta labor tan importante, para aunar esfuerzos que permitan la disminución de desperdicios y el aprovechamiento de los recursos. Por esta razón, la incursión de las nuevas tecnologías que son enriquecidas con la ciencia de datos plantean un nuevo horizonte para explorar, con conceptos tales como el Internet de las cosas (IOT), el aprendizaje automático (Machine Learning), los diferentes algoritmos de predicción y modelos de análisis de datos; los cuales son útiles en la toma de información, análisis y predicción de comportamientos, incluyendo la evaluación de los datos para la gestión agrícola. Por lo tanto, con este proyecto se pretende desarrollar el análisis, diseño y elaboración de la plataforma web para la captura, registro, consulta y evaluación de fuentes de información de procesos agrícolas de los cultivos en las diferentes zonas específicas del territorio colombiano, determinando por medio de modelos predictivos de datos las mejores condiciones de referencia para los cultivos futuros, de acuerdo a las condiciones históricas, según la región y los procesos previos exitosos, que determinen las variables y condiciones ideales de los cultivos por zonas. De forma que, surgen algunas preguntas sugerentes para resolver esta investigación, las cuales son: ¿Cómo aprovechar las fuentes de datos del gobierno en materia agrícola para proponer soluciones tecnológicas que apoyen las actividades de cultivo, de forma que, se realice el registro, seguimiento y evaluación de cultivos, teniendo la posibilidad de estudiar los datos históricos, a partir de la georreferenciación por zonas del territorio de Colombia? ¿Cómo integrar los datos históricos de los cultivos transitorios con la información de los cultivos actuales, para determinar las condiciones ideales de evolución de las cosechas que nos permitan implementar buenas prácticas sobre el uso y aprovechamiento de los recursos? Por consiguiente, se implementará una serie de herramientas tecnológicas que ayuden en el seguimiento a los cultivos para la captura de datos, por medio del uso de DataSet de Google y las bases de datos abiertas del gobierno, con la finalidad de que esta información viaje hacia la Plataforma web diseñada para la consulta de cultivos y visualización de los resultados del análisis de las bases de datos según el cultivo y la georreferenciación, además de presentar las condiciones históricas de la producción agrícola determinada por zona, permitiendo una evaluación del proceso del cultivo con respecto a los datos históricos y de registro.spa
dc.description.abstractenglishCurrently, Information and Communication Technologies (hereinafter ICTs) have permeated all areas of society, providing useful applications and tools for the different areas of science and knowledge. In this way, in the agricultural sector we have enormous advantages with the incorporation of these technologies in different environments, increasing the quality and efficiency of this important workforce, to join efforts that allow the reduction of waste and the use of resources. For this reason, the incursion of new technologies that are enriched with data science pose a new horizon to explore, with concepts such as the Internet of Things (IOT), automatic learning (Machine Learning), the different algorithms of prediction and data analysis models; which are useful in collecting information, analyzing and predicting behaviors, including the evaluation of data for agricultural management. Therefore, with this project it is intended to develop the analysis, design and development of the web platform for the capture, registration, consultation and evaluation of information sources of agricultural processes of crops in the different specific areas of the Colombian territory, determining Through predictive data models, the best reference conditions for future crops, according to historical conditions, according to the region and previous successful processes, which determine the variables and ideal conditions for crops by zones. Thus, several proposed questions arise to resolve this research: How to take advantage of government data sources in agricultural matters to propose technological solutions that support farming activities, so that the registration, monitoring and evaluation of crops is carried out? , having the possibility of studying the historical data, from the georeferencing by zones of the Colombian territory? How to integrate the historical data of the transitory crops with the information of the current crops to determine the ideal conditions for the evolution of the crops, which allow us to implement good practices on the use and exploitation of resources? Therefore, a series of technological tools will be implemented to help in the monitoring of crops for data capture, through the use of Google's DataSet and open government databases, in order for this information to travel to the Web Platform for crop consultation and visualization of the results of the analysis of the databases according to the crop and georeferencing, in addition to presenting the historical conditions of agricultural production determined by zone, allowing an evaluation of the cultivation process with regarding historical and log data.spa
dc.description.degreelevelMaestríaspa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsGLOSARIO 18 1. INTRODUCCIÓN 21 2. PROBLEMATIZACIÓN 22 2.1. PROBLEMA DE INVESTIGACIÓN 24 2.2. JUSTIFICACIÓN 25 2.3. DELIMITACIÓN 26 2.4. OBJETIVOS 28 3. ANTECEDENTES 29 4. MARCO TEÓRICO CONCEPTUAL 34 4.1. DATOS ABIERTOS 38 4.2. INFORMACIÓN METEOROLÓGICA 40 4.3. PROCESO DE GESTIÓN (KKD) 40 4.3.1. CRISP-DM (Cross Industry Standard Process for Data Mining) 41 4.4. ALGORITMO DE MINERÍA DE DATOS 43 4.4.1. MACHINE LEARNING 44 4.4.2. MACHINE LEARNING SUPERVISADO 45 4.4.3. MACHINE LEARNING NO SUPERVISADO 46 4.4.4. MACHINE LEARNING DE REFUERZO 47 4.4.5. DEEP LEARNING 47 4.4.6. CLASIFICACIÓN DE ALGORITMOS 48 4.4.7. ALGORITMOS 55 4.5. FUENTES DE DATOS 58 4.6. GESTIÓN DE PROYECTO 59 4.7. SISTEMA DE INFORMACIÓN 64 4.8. MARCO LEGAL 67 5. DISEÑO METODOLÓGICO 69 5.1. TIPO DE INVESTIGACIÓN 69 5.2. FASES DE INVESTIGACIÓN 69 5.3. MATERIALES 70 6. DESARROLLO DEL PROYECTO 72 6.1. PROCESAMIENTO DE DATOS 73 6.2. ANÁLISIS DE LOS DATOS 74 6.3. UNIFICACIÓN DE DATASET 75 6.4. ANÁLISIS DESCRIPTIVO 82 6.5. DESARROLLO DE PLATAFORMA 84 6.6. ARQUITECTURA DEL SISTEMA 87 6.7. CODIFICACIÓN PLATAFORMA WEB 97 7. ANÁLISIS DE RESULTADOS 138 8. CONCLUSIONES Y RECOMENDACIONES 139 9. REFERENCIAS BIBLIOGRÁFICASspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/33022
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programMaestría en Gestión, Aplicación y Desarrollo de Softwarespa
dc.publisher.programidMGAS-2555
dc.relation.referencesAbambari Velecela, S. G., Morales Vinueza, S. X., & Morocho Macas, A. M. (2020, 10 04). Aproximaciones teóricas a la incursión de las tecnologías de la información y comunicación en el sector agrícola: la e-agricultura. https://centrosuragraria.com/index.php/revista/article/view/41spa
dc.relation.referencesAlbornoz, D. (2020, 09 09). ¿Qué es Angular? – Una guía para principiantes. ¿Qué es Angular? – Una guía para principiantes. https://www.hostinger.mx/tutoriales/que-es-angularspa
dc.relation.referencesAmat Rodrigo, J. J. (2020, October 30). Regresión lineal con python. Cienciadedatos.net. Retrieved July 28, 2022, from https://www.cienciadedatos.net/documentos/py10-regresion-lineal-python.htmlspa
dc.relation.referencesAmat Rodrigo, J. J. (2022). Random Forest python. Cienciadedatos.net. Retrieved July 28, 2022, from https://www.cienciadedatos.net/documentos/py08_random_forest_python.htmlspa
dc.relation.referencesAmazon. (n.d.). ¿Qué son las bases de datos NoSQL? https://aws.amazon.com/es/nosql/spa
dc.relation.referencesAngular io. (n.d.). ¿Qué es Angular? https://angular.io/guide/what-is-angular Avogadro, M. (2007). Glosario de términos de la Tecnología de la Información y Comunicación. http://alfafar.es/wp-content/uploads/2014/11/Glosario_TIC_Alfafar.pdfspa
dc.relation.referencesBah, M.K., Gunshor, M.M., & Schmit, J. (2018). Generation of GOES-16 True Color Imagerywithout a Green Band. Earth and Space Science. https://agupubs.onlinelibrary.wiley.com/doi/epdf/10.1029/2018EA000379spa
dc.relation.referencesBravo Muño, E., Casado Mateos-Aparicio, E., García Alvarado, J. M., García Puerta, B., Guerra Zaballos, A. M., Navarro Madrid, Á., Redondo García, M. M., Sánchez Pérez de Évora, A., & Sanz Donaire, J. J. (2019, 06 19). Glosario de Geografía 2. https://eprints.ucm.es/id/eprint/55611/7/Glosario%202%20.pdfspa
dc.relation.referencesCentro Internacional de Agricultura Tropical. (n.d.). Plagas y Enfermedades | CIAT. CIAT. Retrieved July 28, 2022, from https://ciat.cgiar.org/lo-que-hacemos/plagas-y-enfermedades/?lang=esspa
dc.relation.referencesConcejo de Bogotá. (2006). DECRETO 315 DE 2006. http://www.desarrolloeconomico.gov.co/sites/default/files/documentos/1-decreto-315-2006.pdfspa
dc.relation.referencesCongresos de la república de Colombia. (1991). Artículo 79. https://www.constitucioncolombia.com/titulo-2/capitulo-3/articulo-79spa
dc.relation.referencesCongresos de la república de Colombia. (2017, 05 23). Ley - 1834. https://economianaranja.gov.co/media/5ruhnndp/ley-1834-del-23-de-mayo-de-2017.pdfspa
dc.relation.referencesEspinosa-Zúñiga, J. J. (2020). Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública. (1). http://www.scielo.org.mx/pdf/iit/v21n1/1405-7743-iit-21-01-e00008.pdfspa
dc.relation.referencesFranquesa, M. (2016, March 11). Tipos de semillas que existen para sembrar. Agroptima. Retrieved July 28, 2022, from https://www.agroptima.com/es/blog/tipos-de-semillas-para-sembrar/#Semillas_criollasspa
dc.relation.references(S/f). Gov.co. Recuperado el 12 de agosto de 2025, de https://mintic.gov.co/portal/715/articles-403137_recurso_1.pdfspa
dc.relation.referencesGüiza Suárez, L., Rodas Monsalve, J. C., Cifuentes Guerrero, J. A., & González, J. P. (2019). energías renovables no convencionales y cambio climático: un análisis para Colombia. https://books.google.com.co/books?hl=es&lr=&id=qa7RDwAAQBAJ&oi=fnd&pg=PT8&dq=nerg%C3%ADas+renovables+no+convencionales+y+cambio+clim%C3%A1tico:+un+an%C3%A1lisis+para+Colombia&ots=EZ7LloY04G&sig=SBp70GV8hFtarjBLc4NVvzRfSa4&redir_esc=y#v=onepage&q=nerg%C3%ADspa
dc.relation.referencesLakshmanan, L. (2018). Cómo procesar datos de satélites meteorológicos en tiempo real en BigQuery. https://cloud.google.com/blog/products/bigquery/how-to-process-weather-satellite-data-in-real-time-in-bigqueryspa
dc.relation.referencesLedesma, E. E. (2020). Modelo de predicción de riesgo en recursos hídricos para agricultura de precisión. http://sedici.unlp.edu.ar/handle/10915/110794spa
dc.relation.referencesLEY 1955 DEL 25 DE MAYO DE 2019. (2019, Mayo). https://colaboracion.dnp.gov.co/CDT/Prensa/Ley1955-PlanNacionaldeDesarrollo-pacto-por-colombia-pacto-por-la-equidad.pdfspa
dc.relation.referencesLopera Hernández, J. F., Ruiz Pacheco, C. D., & Centeno Torres, J. F. (2019). Modelo predictivo de interrupciones del servicio de energía eléctrica domiciliaria de Bogotá usando análisis de datos. Modelo predictivo de interrupciones del servicio de energía eléctrica domiciliaria de Bogotá usando análisis de datos, 36. https://repository.ean.edu.co/handle/10882/9526spa
dc.relation.referencesMecanización Agrícola FCA – UNER. (n.d.). TIPOS DE SEMBRADORAS | Mecanización Agrícola FCA. Retrieved July 28, 2022, from https://mecanizacionagricolafca.files.wordpress.com/2012/06/sembradoras1.pdfspa
dc.relation.referencesMicrosoft. (2018, 05). Algoritmos de minería de datos (Analysis Services: Minería de datos). https://docs.microsoft.com/es-es/analysis-services/data-mining/data-mining-algorithms-analysis-services-data-mining?view=asallproducts-allversionsspa
dc.relation.referencesMinisterio de Tecnologías de la Información y las Comunicaciones. (2021, August 7). Guía para el uso y aprovechamiento de Datos Abiertos en Colombia. Datos Abiertos. Retrieved May 30, 2022, from https://herramientas.datos.gov.co/sites/default/files/2021-08/Guia%20de%20Datos%20Abiertos%20de%20Colombia.pdfspa
dc.relation.referencesNasa GOES--R. (n.d.). INSTRUMENTOS: ADVANCED BASELINE IMAGER (ABI). INSTRUMENTOS: ADVANCED BASELINE IMAGER (ABI). https://www.goes-r.gov/spacesegment/abi.htmlspa
dc.relation.referencesNaranjo, L. G., Dereix, C. A., Valladares, M. Á., Segovia, E., Pérez, J., de la Torre, A. L., & Tena, G. (2018). WWF. 2018. Informe Planeta Vivo - 2018: Apuntando más alto - Resumen. WWF. 2018. Informe Planeta Vivo - 2018: Apuntando más alto - Resumen. https://wwfeu.awsassets.panda.org/downloads/resumen_informe_planeta_vivo_2018_apuntando_mas_alto_compressed.pdfspa
dc.relation.referencesOchoa Ornelas, R., Fajardo delgado, D., Sanchez Cervantes, M., & Osornio Mendoza, J. (2019, 03). Implementación de Aplicaciones Informáticas en la Industria Agrícola del Aguacate. Revista del Desarrollo Tecnológico, 3(9), 11. https://www.ecorfan.org/spain/researchjournals/Desarrollo_Tecnologico/vol3num9/Revista_del_Desarrollo_Tecnol%c3%b3gico_V3_N9_2.pdfspa
dc.relation.referencesOracle. (n.d.). MySQL :: MySQL 8.0 Reference Manual :: 1.2.1 What is MySQL? MySQL :: Developer Zone. Retrieved July 28, 2022, from https://dev.mysql.com/doc/refman/8.0/en/what-is-mysql.htmlspa
dc.relation.referencesPHP .net. (n.d.). Prefacio - Manual. PHP. Retrieved July 28, 2022, from https://www.php.net/manual/es/preface.phpspa
dc.relation.referencesPython Org. (n.d.). Preguntas frecuentes generales sobre Python. https://docs.python.org/3/faq/general.htmlspa
dc.relation.referencesPython org & Guido van Rossum, and the Python development team. (2020, 05 07). Documentación de Python en Español. https://python-docs-es.readthedocs.io/_/downloads/es/pdf/pdf/spa
dc.relation.referencesRaffino, M. E. (2020, 06). Sistema de información. https://concepto.de/sistema-de-informacion/spa
dc.relation.referencesRoura Pérez, v., Arenas-Sánchez, J. C., Sistachs Vega, V., & Díaz Sistachs, D. (2020, 06 3). TrendSoft: Software para el análisis de tendencia ypuntos de cambio de variables climatológicas. Revista Cubana de Meteorología,, 26(3), 16. http://rcm.insmet.cu/index.php/rcm/article/view/517/878spa
dc.relation.referencesRuiz Ayala, D. C., Vides Herrera, C. A., & Pardo García, A. (2018, 06). Monitoreo de variables meteorológicas a través de un sistema inalámbrico de adquisición de datos. https://repositorio.uptc.edu.co/handle/001/2189spa
dc.relation.referencesSalazar Rojas, J. A. (2019). Uso de imágenes meteorológicas GOES para la estimación de campos de precipitación y pronóstico del tiempo a corto plazo. In Repositorio Universidad Nacional. Repositorio Universidad Nacional. https://repositorio.unal.edu.co/handle/unal/75712spa
dc.relation.referencesTimarán-Pereira, S.R., Hernández-Arteaga, I., , Hidalgo-Troya, A., & AlvaradoPérez, J.C. (2016). El proceso de descubrimiento de conocimiento en bases de datos. https://ediciones.ucc.edu.co/index.php/ucc/catalog/download/36/40/230-1?inline=1spa
dc.relation.referencesUniversidad de Costa Rica. (n.d.). Utilizar la información sobre el cultivo y el clima. Inicio. Retrieved July 28, 2022, from http://www.buenaspracticasagricolas.ucr.ac.cr/index.php/manejo-de-cultivos/utilizar-la-informacion-sobre-el-cultivo-y-el-climal-agua-2spa
dc.relation.referencesVásquez Franco, D. F. (n.d.). Procesamiento de datos meteorológicos del IDEAM con Python y validación de datos del reanálisis ERA5. Universidad de Antioqui. Procesamiento de datos meteorológicos del IDEAM con Python y validación de datos del reanálisis ERA5. Universidad de Antioqui. Retrieved July 28, 2022, from https://bibliotecadigital.udea.edu.co/bitstream/10495/13235/1/DanielVasquez_2019_PAM12663.pdfspa
dc.relation.referencesVelecela Abambari, C. G., Vinueza Morales, S. X., & Morocho Macas, A. A. (2020, 10 4). proximaciones teóricas a la incursión de las tecnologías de la información y comunicación en el sector agrícola: la e-agricultura. Centrosur, 1, 11. https://centrosuragraria.com/index.php/revista/article/view/41/93spa
dc.relation.referencesWWF, Grooten, M., & Almond, ,. R.E.A.(. (2018). Informe 2018 Planeta Vivo Apuntando más alto - Resumen. Instituto de Zoología (Sociedad Zoológica de Londres). https://wwfeu.awsassets.panda.org/downloads/resumen_informe_planeta_vivo_2018_apuntando_mas_alto_compressed.pdfspa
dc.relation.referencesZschimmer & Schwarz. (2021, January 28). Fertilizantes agrícolas: tipos de fertilizantes, usos y beneficios - ZS España. Zschimmer & Schwarz. Retrieved July 28, 2022, from https://www.zschimmer-schwarz.es/noticias/fertilizantes-agricolas-tipos-de-fertilizantes-usos-y-beneficios/spa
dc.relation.referencesBenítez, R., Escudero, G., & Kanaan, S. (2013). INTELIGENCIA ARTIFICIAL AVANZADA. Inteligencia artificial avanzada. Retrieved November 27, 2022, from https://www.exabyteinformatica.com/uoc/Inteligencia_artificial/Inteligencia_artificial_avanzada/Inteligencia_artificial_avanzada_(Modulo_1).pdfspa
dc.relation.referencesHurwitz, J., & Kirsch, D. (2018). Machine Learning For Dummies®. IBM. Retrieved November 27, 2022, from https://www.ibm.com/common/ssi/cgi-bin/ssialias?htmlfid=IMM14209USENspa
dc.relation.referencesRussell, R. (2018). Machine Learning - Gua Paso a Paso Para Implementar Algoritmos De Machine Learning Con Python. Ricardo Ollarves. Retrieved November 24, 2022, from https://ricardollarves.com.ve/wp-content/uploads/2020/07/Machine-Learning-Gu%C3%ADa-Paso-a-Paso-Para-Implementar-Algoritmos-De-Machine-Learning-Con-Python-by-Rudolph-Russell.pdfspa
dc.relation.referencesSchwaber, K., & Sutherland, J. (2020, Noviembre). La Guía de Scrum. Scrum Guide. Retrieved October 24, 2022, from https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Spanish-Latin-South-American.pdfspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMachine learningspa
dc.subject.keywordsRegresión linespa
dc.subject.keywordsLinear regressionspa
dc.subject.keywordsData miningspa
dc.subject.keywordsData sciencespa
dc.subject.keywordsSoftware developmentspa
dc.subject.keywordsSystems engineeringspa
dc.subject.keywordsSoftware architecturespa
dc.subject.keywordsInformation technologyspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.lembDesarrollo de Softwarespa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembArquitectura de softwarespa
dc.subject.lembTecnología de la informaciónspa
dc.subject.lembInteligencia artificialspa
dc.subject.proposalCiencia de datosspa
dc.subject.proposalMinería de datosspa
dc.subject.proposalKDDspa
dc.subject.proposalCRISP-DMspa
dc.subject.proposalE-agriculturaspa
dc.subject.proposalAprendizaje automáticospa
dc.titleAplicación de Software para la gestión y análisis de información del contexto agrícola, mediante la implementación de técnicas y algoritmos de analítica de datosspa
dc.title.translatedSoftware Application for the Management and Analysis of Information in the Agricultural Context, Through the Implementation of Data Analysis Techniques and Algorithmsspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
1. Documento de tesis.pdf
Tamaño:
6.33 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Cargando...
Miniatura
Nombre:
Licencia.pdf
Tamaño:
341.1 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción: