Modelos Deep Learning para el proceso de vigilancia de enfermedades arbovirales: Aplicación a lo datos de Dengue, Zika y Chicungunya en Santander

Simple item page
dc.contributor.advisorLamos Díaz, Henry
dc.contributor.authorPolo Triana, Sonia Isabel
dc.contributor.evaluatorMartínez Quezada, Daniel Orlando
dc.contributor.evaluatorGáfaro Rojas, Aurora Inés
dc.date.accessioned2023-02-23T12:43:42Z
dc.date.available2023-02-23T12:43:42Z
dc.date.created2023-02-23
dc.date.issued2023-02-23
dc.description.abstractPara el desarrollo del presente trabajo, se crearon modelos predictivos basados en Deep Learning (LSTM, RNN, GRU, CNN) para la predicción de casos de Dengue, Zika y Chikungunya en Santander, a partir de variables climáticas (Temperaturas, precipitaciones y humedad relativa). Para esto se siguió la metodología KDD (Knowledge Discovery in Databases). Como primera instancia, se recolectó y organizó el conjunto de datos y se realizó el análisis estadístico descriptivo. Posteriormente, se realizó el preprocesamiento de los datos, se hicieron transformaciones de estos y se determinó la importancia de las características para escoger las variables a utilizar. Luego, se realizó la construcción de los modelos para lo cual se realizó la selección de los hiperparámetros. Los modelos Deep Learning se compararon con un modelo de red neuronal tradicional (MLP), el cual presentó los mejores resultados en cuatro de los seis municipios de estudio.
dc.description.abstractenglishFor the development of this work, predictive models based on Deep Learning (LSTM, RNN, GRU, CNN) were created for the prediction of cases of Dengue, Zika and Chikungunya in Santander, based on climatic variables (temperatures, rainfall and relative humidity). For this purpose, the KDD (Knowledge Discovery in Databases) methodology was used. As a first step, the data set was collected and organized and the descriptive statistical analysis was performed. Subsequently, the data was preprocessed, data transformations were performed and the importance of the characteristics was determined in order to choose the variables to be used. Then, the construction of the models was carried out, for which the hyperparameters were selected. The Deep Learning models were compared with a traditional neural network model (MLP), which presented the best results in four of the six study municipalities.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001645451
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Industrial
dc.description.orcidhttps://orcid.org/0000-0001-9687-5132
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/12272
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDeep Learning
dc.subjectPredicción
dc.subjectDengue
dc.subject.keywordDeep Learning
dc.subject.keywordPrediction
dc.subject.keywordDengue Fever
dc.titleModelos Deep Learning para el proceso de vigilancia de enfermedades arbovirales: Aplicación a lo datos de Dengue, Zika y Chicungunya en Santander
dc.title.englishDeep Learning Models for the Surveillance Process of Arboviral Diseases: Application to Dengue, Zika and Chicungunya Data in Santander
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
132.26 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
211.94 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.58 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ingeniería Industrial