Magíster en Ingeniería de Sistemas con Mención en Ingeniería de Software

Permanent URI for this collection

https://hdl.handle.net/20.500.12840/37

Browse

Browsing Magíster en Ingeniería de Sistemas con Mención en Ingeniería de Software by Author "Saboya Rios, Nemias"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Modelo de predicción de la plaga Burkholderia Glumae en cultivos de arroz usando Machine Learning e Interpolación Espacial
    (Universidad Peruana Unión, 2022-02-03) Pérez Suárez, Joel; Saboya Rios, Nemias
    En la actualidad, la agricultura, en especial el cultivo de arroz está siendo afectado por los constantes cambios climáticos, esto origina que algunos patógenos sean favorecidos alterando su producción, y a su vez generando pérdidas económicas. El estudio tuvo el propósito de elaborar un modelo de Machine Learning para predecir la aparición de la plaga Burkholderia Glumae en cultivos de arroz en la región de San Martín, Perú. En la exploración de los datos se usó la técnica de interpolación espacial IDW, para obtener datos de temperatura y precipitación. El estudio aplicó una serie de algoritmos supervisados. Entre estos, el Random Forest Classifier (RFC) fue el que obtuvo el máximo valor con un accuracy de 88%. También se creó un aplicativo donde se visualiza la predicción de la plaga Burkholderia Glumae en una zona determinada de la región.
  • Thumbnail Image
    Item
    Modelo predictivo basado en Machine Learning para el pronóstico de deserción a la vacunación contra el virus del papiloma humano (VPH)
    (Universidad Peruana Unión, 2021-02-22) Marroquin Marroquin, Urlish Kleyber; Saboya Rios, Nemias
    En la actualidad, una de las enfermedades que está causando gran cantidad de muertes en Perú, es el cáncer de cuello uterino ocasionado por el virus del papiloma humano (VPH), sin embargo, gracias a la aplicación de la vacuna contra esta enfermedad se puede prevenir y proteger por ciertas cepas del VPH. El estudio consistió en la elaboración de un modelo predictivo utilizando Machine Learning para el pronóstico de deserción en la vacunación contra el VPH en niñas del grupo etario de 9 a 13 años de edad. Los datos que se utilizaron proceden del “Sistema de vacunación contra el VPH” del Ministerio de Salud del Perú (Minsa). La metodología consistió en desarrollar cuatro modelos de aprendizaje supervisado: Decision Tree Classifier, Random Forest Classifier, Extra Trees Classifier y Extreme Gradient Boosting con la intención de comparar los resultados y elegir al modelo que presente mejor desempeño para su respectiva calibración y poder ser utilizado a través de una interfaz gráfica. Los resultados demostraron que el mejor modelo de aprendizaje fue Random Forest Classifier, con un Accuracy Score 63.6140%, AUC de 63.6183%, precisión de 64%, Recall de 63% y F1-score de 63%; esto indica que el modelo clasifica el 64% de los casos como niñas que desertan a la vacunación contra el VPH.