Desarrollo de un sistema de clasificación documental mediante OCR y aprendizaje profundo

En el contexto actual de creciente volumen de información, la necesidad de clasificar documentos de manera eficiente y precisa se ha vuelto imperativa. Este Trabajo de Fin de Grado presenta un enfoque innovador basado en inteligencia artificial para abordar esta problemática, utilizando Python como lenguaje de desarrollo clave en este sector. La elección de Python no solo responde a su popularidad y versatilidad, sino también a su papel fundamental en la implementación de soluciones de inteligencia artificial. El desarrollo del clasificador de documentos se ha llevado a cabo utilizando tecnologías avanzadas, destacando TensorFlow como la biblioteca principal para la construcción y entrenamiento del modelo de clasificación. La robustez y eficacia de TensorFlow proporcionan una base sólida para la creación de un sistema capaz de aprender y adaptarse a patrones complejos en los documentos. Además, para la extracción de información crucial de los documentos, se ha integrado Optical Character Recognition (OCR). Esta tecnología ha demostrado ser una herramienta esencial para la digitalización de documentos, permitiendo la conversión de datos impresos en información digital accesible y procesable. La combinación de TensorFlow para la clasificación y OCR para la extracción de datos amplía significativamente la capacidad del sistema, ofreciendo una solución integral para la gestión eficiente de documentos en entornos diversos. Los resultados obtenidos de este clasificador de documentos son prometedores, no precisamente por su precisión y eficiencia, sino principalmente por la escalabilidad del software para mejoras futuras. La capacidad del modelo para adaptarse y aprender de conjuntos de datos variados sugiere un potencial significativo para futuras versiones. ABSTRACT In the current context of increasing information volume, the need to classify documents efficiently and accurately has become imperative. This Bachelor's Thesis presents an innovative approach based on artifi