Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/29679| Title: | Sistema Recomendador de prescripciones médicas basado en clusterización |
| Authors: | Granda Morales, Luis Fernando |
| metadata.dc.contributor.advisor: | Valdivieso Díaz, Priscila Marisela |
| Keywords: | Inteligencia artificial Magíster en ciencias y tecnologías de la computación Tesis y disertaciones académicas |
| metadata.dc.date.available: | 2022-02-18T14:12:30Z |
| Issue Date: | 2022 |
| Citation: | Granda Morales, Luis Fernando. Valdivieso Díaz, Priscila Marisela.(2022). Sistema Recomendador de prescripciones médicas basado en clusterización . Universidad Técnica Particular de Loja |
| Description: | Resumen: Los sistemas de recomendación en la actualidad se definen como una rama de investigación en el área de Machine Learning. La idea principal de un sistema recomendadores construir una relación entre los ítems, los usuarios y tomar la decisión de seleccionar el ítem más adecuado para el usuario especifico; existen cuatro formas principales en las cuales producen sus sugerencias para el usuario: basadas en el contenido, colaboración, demográficas y las de filtrado híbrido. Los Sistemas Recomendadores emplean diversas fuentes de información para proporcionar a los usuarios predicciones y recomendaciones de producto, equilibrando entre variables como exactitud, novedad y la dispersión en las recomendaciones. El presente trabajo de titulación inicia con el estado del arte de los sistemas de Recomendación, enfocándose en profundidad en conceptos, clasificaciones y enfoque relacionados con la información. Posteriormente se selecciona un conjunto de datos de pacientes diabéticos, el cual se analiza, se desarrolla un tratamiento y limpieza de datos para luego implementar un sistema recomendador en el área de la salud empleando diversos algoritmos de clustering, y finalmente el proceso de evaluación de las recomendaciones. |
| metadata.dc.identifier.other: | 1351839 |
| URI: | http://dspace.utpl.edu.ec/handle/20.500.11962/29679 |
| metadata.dc.type: | bachelorThesis |
| Appears in Collections: | Magister en Ciencias y Tecnologías de la Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.