Modelos Deep Learning para el proceso de vigilancia de enfermedades arbovirales: Aplicación a lo datos de Dengue, Zika y Chicungunya en Santander
dc.contributor.advisor | Lamos Díaz, Henry | |
dc.contributor.author | Polo Triana, Sonia Isabel | |
dc.contributor.evaluator | Martínez Quezada, Daniel Orlando | |
dc.contributor.evaluator | Gáfaro Rojas, Aurora Inés | |
dc.date.accessioned | 2023-02-23T12:43:42Z | |
dc.date.available | 2023-02-23T12:43:42Z | |
dc.date.created | 2023-02-23 | |
dc.date.issued | 2023-02-23 | |
dc.description.abstract | Para 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.abstractenglish | For 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.cvlac | https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001645451 | |
dc.description.degreelevel | Maestría | |
dc.description.degreename | Magíster en Ingeniería Industrial | |
dc.description.orcid | https://orcid.org/0000-0001-9687-5132 | |
dc.format.mimetype | application/pdf | |
dc.identifier.instname | Universidad Industrial de Santander | |
dc.identifier.reponame | Universidad Industrial de Santander | |
dc.identifier.repourl | https://noesis.uis.edu.co | |
dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/12272 | |
dc.language.iso | spa | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingeníerias Fisicomecánicas | |
dc.publisher.program | Maestría en Ingeniería Industrial | |
dc.publisher.school | Escuela de Estudios Industriales y Empresariales | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Deep Learning | |
dc.subject | Predicción | |
dc.subject | Dengue | |
dc.subject.keyword | Deep Learning | |
dc.subject.keyword | Prediction | |
dc.subject.keyword | Dengue Fever | |
dc.title | Modelos Deep Learning para el proceso de vigilancia de enfermedades arbovirales: Aplicación a lo datos de Dengue, Zika y Chicungunya en Santander | |
dc.title.english | Deep Learning Models for the Surveillance Process of Arboviral Diseases: Application to Dengue, Zika and Chicungunya Data in Santander | |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría | |
dspace.entity.type |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 132.26 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 211.94 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 2.18 KB
- Format:
- Item-specific license agreed to upon submission
- Description: