Mostrar el registro sencillo del ítem
Análisis de datos de la viruela símica
Monkeypox Data Analysis
dc.contributor.advisor | Zapata Delgado, Andrea Cristina | |
dc.contributor.advisor | Nieto Bernal, Wilson | |
dc.contributor.author | Pérez Suárez, Julio Manuel | |
dc.contributor.author | Lei Lei, Kang Cheng | |
dc.contributor.author | Natera Ariza, Jhon Naider | |
dc.contributor.author | Dovale Morales, Issa David | |
dc.date.accessioned | 2024-05-06T20:17:27Z | |
dc.date.available | 2024-05-06T20:17:27Z | |
dc.date.issued | 2022-12-03 | |
dc.identifier.uri | http://hdl.handle.net/10584/11884 | |
dc.description.abstract | En este proyecto se busca desarrollar una aplicación para realizar el análisis de datasets con información sobre el virus de la viruela símica, se pretende utilizar técnicas de análisis de datos y de reconocimiento de patrones (Minería de datos). Analizaremos cómo se comporta el virus y su propagación, y con base a eso obtendremos indicadores estadísticos, luego aplicaremos distintos métodos de regresión lineal para realizar predicciones sobre la propagación a nivel mundial. Las pandemias y epidemias han afectado a la humanidad desde hace un buen tiempo, siendo capaces de causar millones de muertes. Por suerte, el avance tecnológico que se da hoy en día es considerable con respecto a décadas pasadas. Esto invita al uso de nuevas herramientas tecnológicas para combatir y/o entender las pandemias y otras enfermedades que se presentan hoy en día. Además, existen estudios que confirman que el Covid-19 ha acelerado el uso de tecnologías digitales e inteligentes (Moosavi et al., 2021). De esta forma, por medio de este trabajo se espera aportar respuestas y conclusiones para que las personas puedan conocer aún más acerca de este virus y que otros trabajos o investigaciones puedan usar a este de referencia. Este trabajo será útil para que los formuladores de políticas tomen acciones inmediatas para mitigar el peligro de la pandemia y mejorar el bienestar humano en las ciudades y, a largo plazo, los ayudará a estar mejor preparados para manejar futuras pandemias (Rahman et al., 2021). | es_ES |
dc.description.abstract | This project seeks to develop an application to application to perform the analysis of datasets with information about the simian information about the simian smallpox virus, using data analysis and pattern recognition data analysis and pattern recognition techniques (data mining). data mining). We will analyze how the virus behaves and how it spreads, and propagation, and based on that we will obtain statistical indicators, then we will statistical indicators, then we will apply different linear regression methods to make predictions about the linear regression methods to make predictions on the global spread of the virus. worldwide. Pandemics and epidemics have affected humankind for a long time, being able to mankind for a long time, being able to cause millions of deaths. millions of deaths. Fortunately, today's technological advances today is considerable compared to decades past. decades. This invites the use of new technological technological tools to combat and/or understand pandemics and other diseases and other diseases that occur today. In addition, studies confirm that Covid-19 has accelerated the use of smart and digital the use of digital and intelligent technologies (Moosavi et al., 2021). Thus, through this work, we hope to provide answers and conclusions so that people can and conclusions so that people can learn even more about this virus more about this virus and that other works or researches can use it as a reference. research can use it as a reference. This work This work will be useful for policy makers to take immediate actions to immediate actions to mitigate the danger of the pandemic and to improve human improve human welfare in cities and, in the long term, will help them to be better prepared to manage future pandemics (Rahman et al. pandemics (Rahman et al., 2021). | en_US |
dc.language.iso | spa | es_ES |
dc.publisher | Barranquilla, Universidad del Norte, 2022 | es_ES |
dc.rights | Universidad del Norte | es_ES |
dc.subject | Viruela símica | es_ES |
dc.subject | Inteligencia Artificial | es_ES |
dc.subject | brote de enfermedad | es_ES |
dc.subject | análisis de datos | es_ES |
dc.subject | correlación | es_ES |
dc.subject | análisis predictivo | es_ES |
dc.subject | aprendizaje supervisado | es_ES |
dc.subject | extracción de características | es_ES |
dc.subject | regresión lineal | es_ES |
dc.subject | Kfold | es_ES |
dc.subject | minería de datos | es_ES |
dc.subject | epidemia | es_ES |
dc.subject | pandemia | es_ES |
dc.subject | sobreajuste | es_ES |
dc.subject | Características polinómicas | es_ES |
dc.subject | Monkeypox | en_US |
dc.subject | Artificial Intelligence | en_US |
dc.subject | disease outbreak | en_US |
dc.subject | data analysis | en_US |
dc.subject | correlation | en_US |
dc.subject | predictive analysis | en_US |
dc.subject | supervised learning | en_US |
dc.subject | feature extraction | en_US |
dc.subject | linear regression | en_US |
dc.subject | Kfold | en_US |
dc.subject | Overfitting | en_US |
dc.subject | Polynomial Features | en_US |
dc.subject | Data Mining | en_US |
dc.subject | epidemic | en_US |
dc.subject | pandemic | en_US |
dc.title | Análisis de datos de la viruela símica | es_ES |
dc.title | Monkeypox Data Analysis | en_US |
dc.type | article | es_ES |
dc.rights.accessRights | openAccess | es_ES |