Primeras experiencias en la identificación de personas con riesgo de diabetes en la población argentina usando técnicas de aprendizaje automático
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 23/17 (Browse shelf(Opens below)) | Available | DIF-05273 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.
1 Introducción -- 1.1 Motivación -- 1.2 Objetivo y metodología -- 1.3 Contribuciones -- 1.4 Organización del documento -- 2 Marco teórico y estado del arte -- 2.1 Diabetes -- 2.1.1 Fisiología general -- 2.1.2 Tipos -- 2.1.3 Causas -- 2.1.4 Síntomas y diagnostico -- 2.1.5 Complicaciones -- 2.1.6 Prevalencia e impacto -- 2.1.7 Tratamiento -- 2.2 Aprendizaje Automático -- 2.2.1 Historia -- 2.2.2 Tipos -- 2.2.3 Proceso -- 2.2.4 Modelado -- 2.2.5 Evaluación de modelos -- 2.3 Estado del arte -- 3 Propuesta -- 3.1 Conjunto de datos -- 3.1.1 Caracterización -- 3.1.2 Preprocesamiento -- 3.1.3 Correlaciones -- 3.2 Segmentaciones propuestas -- 3.2.1 Datasets con información clínica y de laboratorio -- 3.2.2 Datasets con información clínica -- 3.2.3 Datasets con información de laboratorio -- 3.3 Alcances y limitaciones -- 4 Resultados experimentales -- 4.1 Introducción a las experimentaciones -- 4.2 Modelos de clasificación para DCL-bin -- 4.3 Modelos de clasificación para DCG-bin -- 4.4 Modelos de clasificación para DC-bin -- 4.5 Selección de features -- 4.6 Modelos de regresión para DCL -- 4.7 Análisis comparativo -- 5 Conclusiones y trabajos futuros -- 5.1 Conclusiones -- 5.2 Líneas de trabajo futuras -- Referencias