Aplicación de Deep Learning a la predicción de turismo en la Costa del Sol

Abstract

En los últimos años Deep Learning se ha convertido en uno de los tópicos más importantes a nivel mundial en las áreas de Inteligencia Artificial y sus aplicaciones. Muchas empresas lo ven como una herramienta potencial para mejorar su productividad, predecir eventos futuros y prever posibles ganancias y pérdidas. Deep Learning ha tenido mucho éxito en tareas de reconocimiento de imágenes, textos y series temporales, en algunos casos con un rendimiento superior al nivel humano, por lo que se ha convertido en la tecnología dominante dentro de la inteligencia artificial. Por otro lado, la información sobre las búsquedas en Internet ya es accesible desde varias fuentes, por ejemplo a través de las tendencias de Google (Google Trends), y se ha demostrado que estos datos tienen capacidades predictivas. El objetivo principal de este proyecto es aplicar modelos de Deep Learning para pronosticar el volumen de turistas en La Costa del Sol en una época determinada del año, utilizando datos de agencias oficiales y también de las tendencias de Google. Los datos se analizaron como una serie temporal utilizando modelos univariados y multivariados utilizando los modelos de memoria a corto plazo (LSTM), un tipo de redes neuronales recurrentes que han tenido mucho éxito con los datos de series temporales. Los modelos multivariados, que contienen la información de varias búsquedas de términos en las tendencias de Google superaron a los modelos univariados. Este resultado esperado confirma el potencial de las tendencias de Google para anticipar el comportamiento de las personas, que combinado con el poder de los modelos de Deep Learning constituye un enfoque muy interesante para el pronóstico del turismo, y puede ayudar a optimizar los recursos en este importante mercado mundial, y en particular para la región de la Costa del Sol.