Desarrollo de un modelo de clasificación basado en machine learning para la predicción de diabetes tipo II / (Registro nro. 49019)

Detalles MARC
000 -LEADER
fixed length control field 02474nam a2200241 4500
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250617192042.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 170718s2025 000 0 eng d
040 ## - CATALOGING SOURCE
Original cataloging agency CO-CtgCURN
Language of cataloging spa
Transcribing agency coctgcurn
082 0# - DEWEY DECIMAL CLASSIFICATION NUMBER
Classification number TSI 2025
Item number G993
100 1# - MAIN ENTRY--PERSONAL NAME
Personal name Guzmán Martelo, Camilo Andrés.
245 10 - TITLE STATEMENT
Title Desarrollo de un modelo de clasificación basado en machine learning para la predicción de diabetes tipo II /
Statement of responsibility, etc. Camilo Andrés Guzmán Martelo; Gabriel Meléndez de Ávila; Cantillo Rafael Zambrano Berrio; Asesor: Jorge Manuel Barrios Sánchez.
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Place of publication, distribution, etc. Cartagena de Indias :
Name of publisher, distributor, etc. Corporación Universitaria Rafael Nuñez,
Date of publication, distribution, etc. 2025.
300 ## - PHYSICAL DESCRIPTION
Extent 42 hojas.
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc. note 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.
520 ## - SUMMARY, ETC.
Summary, etc. "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.."
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element Sistemas de información y software
General subdivision Tesis y disertaciones academicas.
700 1# - ADDED ENTRY--PERSONAL NAME
Personal name Meléndez de Ávila, Gabriel.
700 1# - ADDED ENTRY--PERSONAL NAME
Personal name Zambrano Berrio, Cantillo Rafael.
700 1# - ADDED ENTRY--PERSONAL NAME
Personal name Barrios Sánchez, Jorge Manuel ,
Relator term asesor.
856 ## - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier <a href="https://unicurn.sharepoint.com/:b:/s/biblioteca/ETIzMIboIPdBpwKoLljMIxMBk4D6ByV26e-r0me_G74tRw?e=bJn4c6">https://unicurn.sharepoint.com/:b:/s/biblioteca/ETIzMIboIPdBpwKoLljMIxMBk4D6ByV26e-r0me_G74tRw?e=bJn4c6</a>
Public note Click aqui para ver el recurso en texto completo
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Classification part TSI 2025
Item part G993
Source of classification or shelving scheme Dewey Decimal Classification
Koha item type Trabajos de grado
Existencias
Withdrawn status Lost status Damaged status Not for loan Collection Home library Current library Shelving location Date acquired Cost, normal purchase price Inventory number Total checkouts Full call number Barcode Date last seen Price effective from Koha item type
        Trabajos de grado Miguel Henríquez Castañeda Miguel Henríquez Castañeda Trabajo de grado 09/23/2018 35000.00 025507   TSI 2025 G993 025507 06/17/2025 06/17/2025 Trabajos de grado