Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/29.500.19856/72508
Title: | Me permito comunicar que, en calidad de director del presente Trabajo de Titulación denominado: |
Authors: | Ruiz Vivanco Omar Alexander Pilco Muñoz, Bryan Paúl |
Keywords: | Ecuador. Tesis digital. |
Issue Date: | 2025 |
Citation: | Pilco Muñoz, B. P. Ruiz Vivanco Omar Alexander (2025) Me permito comunicar que, en calidad de director del presente Trabajo de Titulación denominado: [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/72508 |
Abstract: | Abstract: This research, aimed at identifying patterns of COVID-19 symptoms, was conducted using predictive models based on Artificial Neural Networks (ANNs). Data from 6,512 patients was taken from the Kaggle platform. Based on state-of-the-art data, three base models were created and modified with up to four different configurations each. Five experiments were performed for each configuration, resulting in a total of seventy-five experiments. Of all these, base model number two stood out, achieving an F1 score of 0.8806, an AUC-ROC of 0.9472, and an accuracy of 88.8% metrics superior to the other models and sufficiently relevant for medical predictions. With this model, a computer system was implemented with a web application deployed in the cloud that allows any user to access and make a prediction from any web browser. |
Description: | Resumen:La presente investigación, con finalidad de identificar patrones de síntomas de COVID-19, se realizó mediante modelos predictivos basados en Redes Neuronales Artificiales o RNA, para ello, se usó información de 6,512 pacientes, la cual fue tomada de la plataforma Kaggle. A partir del estado del arte se crearon tres modelos base, los cuales fueron modificados hasta con cuatro configuraciones diferentes cada uno, y por cada configuración, se realizaron cinco experimentaciones, dando como resultado total setenta y cinco experimentaciones. De todas ellas destacó el modelo base número dos, que alcanzó un F1-score de 0.8806, un AUC-ROC de 0.9472 y una precisión del 88.8%, métricas superiores al resto de modelos y lo suficientemente relevantes en un ámbito de predicciones médicas. Con este modelo se implementó un sistema informático con una aplicación web desplegada en la nube que permite a cualquier usuario el acceso a realizar una predicción desde cualquier navegador web. |
URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=145695.TITN. |
Appears in Collections: | Titulación de Sistemas Informáticos y Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.