Desarrollo de un modelo de clasificación basado en machine learning para la predicción de diabetes tipo II /
Guzmán Martelo, Camilo Andrés.
Desarrollo de un modelo de clasificación basado en machine learning para la predicción de diabetes tipo II / Camilo Andrés Guzmán Martelo; Gabriel Meléndez de Ávila; Cantillo Rafael Zambrano Berrio; Asesor: Jorge Manuel Barrios Sánchez. - Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2025. - 42 hojas.
Trabajo de grado (Tecnologo en sistemas de información y software). Corporación Universitaria Rafael Nuñez. Facultad de ingenieria de sistema. Tecnologia en sistema de información y software, 2025.
"La diabetes tipo II representa un desafío de salud pública creciente a nivel mundial, caracterizada por la resistencia a la insulina y el aumento de los niveles de glucosa en sangre. Su detección temprana es crucial para implementar intervenciones que permitan mitigar complicaciones a largo plazo, como enfermedades cardiovasculares, daño renal y neuropatías. Los métodos tradicionales de diagnóstico a menudo se ven limitados por la sutileza de los síntomas iniciales, lo que subraya la necesidad de herramientas de prediccin más precisas y eficientes. En este contexto, el Machine Learning emerge como una alternativa prometedora para analizar grandes volúmenes de datos clínicos e identificar patrones complejos que podran pasar desapercibidos por los enfoques convencionales. Este proyecto de investigación se propone desarrollar y comparar modelos de clasificación basados en algoritmos de Machine Learning, específicamente Support Vector Machines (SVM), Random Forest y Redes Neuronales, para predecir el riesgo de desarrollar diabetes tipo II.."
Sistemas de información y software--Tesis y disertaciones academicas.
TSI 2025 / G993
Desarrollo de un modelo de clasificación basado en machine learning para la predicción de diabetes tipo II / Camilo Andrés Guzmán Martelo; Gabriel Meléndez de Ávila; Cantillo Rafael Zambrano Berrio; Asesor: Jorge Manuel Barrios Sánchez. - Cartagena de Indias : Corporación Universitaria Rafael Nuñez, 2025. - 42 hojas.
Trabajo de grado (Tecnologo en sistemas de información y software). Corporación Universitaria Rafael Nuñez. Facultad de ingenieria de sistema. Tecnologia en sistema de información y software, 2025.
"La diabetes tipo II representa un desafío de salud pública creciente a nivel mundial, caracterizada por la resistencia a la insulina y el aumento de los niveles de glucosa en sangre. Su detección temprana es crucial para implementar intervenciones que permitan mitigar complicaciones a largo plazo, como enfermedades cardiovasculares, daño renal y neuropatías. Los métodos tradicionales de diagnóstico a menudo se ven limitados por la sutileza de los síntomas iniciales, lo que subraya la necesidad de herramientas de prediccin más precisas y eficientes. En este contexto, el Machine Learning emerge como una alternativa prometedora para analizar grandes volúmenes de datos clínicos e identificar patrones complejos que podran pasar desapercibidos por los enfoques convencionales. Este proyecto de investigación se propone desarrollar y comparar modelos de clasificación basados en algoritmos de Machine Learning, específicamente Support Vector Machines (SVM), Random Forest y Redes Neuronales, para predecir el riesgo de desarrollar diabetes tipo II.."
Sistemas de información y software--Tesis y disertaciones academicas.
TSI 2025 / G993