Browsing by Subject "Machine learning models"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Predicción del tráfico de datos de las zonas Wi‑Fi públicas de Santiago de Cali
    (Pontificia Universidad Javeriana Cali, 2025) Martínez Méndez, Paulo Andrés; Guzmán Morales, Edier; Linares Ospina, Diego Luis; Álvarez Vargas, Gloria Inés
    Las zonas WiFi de Cali se vienen operando desde hace años en la ciudad simplemente con el servicio estándar de internet. No existe una preparación del ancho de banda y la infraestructura necesaria para dicho servicio dependiendo de la demanda del área, la población y visitantes en ciertos periodos de tiempo. Este trabajo busca, desde la ciencia de datos, predecir el tráfico que se necesita en determinadas épocas para así adecuar el ancho de banda de la zona y la infraestructura necesaria. Lo anterior se logra alimentando modelos de aprendizaje con los datos del tráfico de 63 zonas WiFi de la ciudad que la alcaldía de Cali ha recolectado a lo largo de dos años.
  • Thumbnail Image
    Item
    Técnicas de ensamble aplicadas a un conjunto de datos perteneciente a pacientes de leishmaniasis cutánea para predecir la efectividad del tratamiento Glucantime
    (Pontificia Universidad Javeriana Cali, 2021) Camacho Calderon, Katherine; Álvarez Vargas, Gloria Inés ; Linares Ospina, Diego Luis
    La leishmaniasis es una enfermedad reemergente en Colombia. Catalogada por la Organización Mundial de la Salud como “enfermedad olvidada”, debido a que está asociada directamente con las personas que viven en regiones muy pobres. Por lo tanto, existe poco interés en invertir en el desarrollo de medicamentos y estrategias para controlar esta enfermedad. El glucantime es uno de los medicamentos usados para tratar la leishmaniasis cutánea, la cual ha sido una enfermedad reemergente en Colombia. La forma de administrar este medicamento en algunas ocasiones ha causado mucho dolor y el hecho de usarlo trae la posibilidad de causar efectos colaterales. El anterior panorama ha sido de inspiración para desarrollar modelos de aprendizaje automático que permitan predecir el desenlace terapéutico del tratamiento glucantime. Con este proyecto se obtuvieron cuatro modelos de aprendizaje automático, donde inicialmente se realizó́ un proceso de preparación de los datos, y luego con ayuda de las técnicas de ensamble se construyeron dichos modelos. Se realizaron evaluaciones de los distintos modelos construidos y se permitió inferir que ningún modelo presentó un desempeño que permita confiar en sus predicciones, esto dado que la cantidad de datos no fue suficiente para que los modelos construyeran hipótesis fuertes. Sin embargo, la técnica que permitió obtener el modelo con el mejor desempeño indica que probablemente con una cantidad mayor de datos se puedan obtener mejores predicciones. CIDEIM (Centro Internacional de Entrenamiento e Investigaciones Médicas) fue el ente que proporcionó el conjunto de datos con el cual se construyeron los modelos.