Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Lamos Díaz, HenryNúñez Silva, Karen LisbethFlórez Guerrero, Silvia Juliana2023-08-102023-08-102023-08-072023-08-07https://noesis.uis.edu.co/handle/20.500.14071/14772La contaminación del aire y su impacto en la salud ha sido una problemática mundial, exponerse a los distintos contaminantes atmosféricos ha causado y causa millones de muertes en todo el planeta, con la llegada del COVID-19 y las medidas de confinamiento que trajo consigo, se creería que la calidad del aire mejoró notablemente en la mayor parte de las regiones. Este proyecto de grado propone analizar los índices de Material Particulado (PM2.5), Dióxido de Nitrógeno (NO2) y Ozono Troposférico (O3) antes y durante la pandemia para las ciudades de Cali, Bucaramanga y Bogotá, utilizando modelos de Aprendizaje Profundo para predecir su comportamiento y que con los resultados obtenidos, las autoridades puedan diseñar planes de acción para disminuir estos contaminantes atmosféricos y mejorar la calidad de vida, se eligieron estos modelos Deep Learning ya que tienen la capacidad de procesar grandes volúmenes de datos y modelar patrones no lineales, lo que los hace más precisos que otros métodos estadísticos.application/pdfspainfo:eu-repo/semantics/openAccessCOVID 19Calidad del aireAprendizaje ProfundoRedes NeuronalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coCOVID 19Air QualityDeep LearningNeural Networkshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)