Julia Patricia Melo-Morín1, María de los Ángeles Ahumada-Cervantes1 y Gil Santana-Esparza1
1Tecnológico Nacional de México. Instituto Tecnológico Superior de Pánuco. Departamento de Ingeniería en Sistemas Computacionales. Prolongación Avenida Artículo Tercero Constitucional S/N, Colonia Solidaridad, C.P. 93990. Pánuco. Veracruz. México. Tel (846) 2662898
Autor de correspondencia: patricia.melo@itspanuco.edu.mx (Julia Patricia Melo-Morín)
RESUMEN
Las técnicas de Machine Learning (ML) o Aprendizaje Automático, permiten encontrar patrones en un conjunto de datos, para identificar comportamientos no vistos de forma tradicional o sin el apoyo del análisis computacional. El aprendizaje de ML puede ser supervisado y no supervisado, con un conjunto de algoritmos diferentes que pueden ser aplicados en almacenes de datos relacionados con la salud. En el área de la salud, el monitoreo de situaciones como la calidad de sueño de las personas y en los niños son de gran utilidad para identificar problemas de salud severos, permitiendo una toma de decisiones a partir de los resultados obtenidos, aplicando pruebas de polisomnografía o estudio del sueño. Este articulo describe el uso de las técnicas de aprendizaje supervisado del ML aplicando el algoritmo de árboles de decisión en la identificación de la calidad del sueño de una persona, considerando un almacén de datos libre de la plataforma de Kaggle, indicando el proceso paso a paso del análisis de datos mediante el lenguaje R y los resultados de los algoritmos aplicados.
Palabras clave: Aprendizaje Automático/Estudio del sueño/Arboles de decisión/Matriz de Confusión
Melo-Morín, J.P., Ahumada-Cervantes, M.A. y Santana-Esparza, G. (2024). Importancia de la aplicación de técnicas de Machine Learning en beneficio de la salud de los niños. Revista del Centro de Graduados e Investigación. Instituto Tecnológico de Mérida, 39(103),46-49
No hay comentarios:
Publicar un comentario