Guzmán Martelo, Camilo Andrés. creator Meléndez de Ávila, Gabriel. Zambrano Berrio, Cantillo Rafael. Barrios Sánchez, Jorge Manuel asesor. text Cartagena de Indias Corporación Universitaria Rafael Nuñez 2025 monographic eng

print

42 hojas. "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.." Camilo Andrés Guzmán Martelo; Gabriel Meléndez de Ávila; Cantillo Rafael Zambrano Berrio; Asesor: Jorge Manuel Barrios Sánchez. 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. Sistemas de información y software Tesis y disertaciones academicas TSI 2025 G993 https://unicurn.sharepoint.com/:b:/s/biblioteca/ETIzMIboIPdBpwKoLljMIxMBk4D6ByV26e-r0me_G74tRw?e=bJn4c6 https://unicurn.sharepoint.com/:b:/s/biblioteca/ETIzMIboIPdBpwKoLljMIxMBk4D6ByV26e-r0me_G74tRw?e=bJn4c6 MHC MHC CO-CtgCURN 170718 20260701203224.0 spa