Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.

El presente proyecto tiene como objetivo proponer un modelo predictivo de datos para la preparación ante un evento sísmico en la ciudad de Cali. La metodología utilizada en el proyecto fue SEMMA y KDD la cual permite un análisis de los datos y desarrollo del modelo completo gracias a sus 5 pasos. In...

Full description

Autores:: Ojeda Tabares, Daniela

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2021

Institución:: Universidad Autónoma de Occidente

Repositorio:: RED: Repositorio Educativo Digital UAO

Idioma:: spa

id	REPOUAO2_a1b3b34d08c7a66931e92d6afaac0a2d
oai_identifier_str	oai:red.uao.edu.co:10614/13620
network_acronym_str	REPOUAO2
network_name_str	RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
title	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
spellingShingle	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali. Ingeniería Informática Redes neurales (Computadores) Minería de datos Neural networks (Computer science) Data mining Modelo predictivo Redes neuronales
title_short	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
title_full	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
title_fullStr	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
title_full_unstemmed	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
title_sort	Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.
dc.creator.fl_str_mv	Ojeda Tabares, Daniela
dc.contributor.advisor.none.fl_str_mv	Peña Paz, Lyda
dc.contributor.author.none.fl_str_mv	Ojeda Tabares, Daniela
dc.subject.spa.fl_str_mv	Ingeniería Informática
topic	Ingeniería Informática Redes neurales (Computadores) Minería de datos Neural networks (Computer science) Data mining Modelo predictivo Redes neuronales
dc.subject.armarc.spa.fl_str_mv	Redes neurales (Computadores) Minería de datos
dc.subject.armarc.eng.fl_str_mv	Neural networks (Computer science) Data mining
dc.subject.proposal.spa.fl_str_mv	Modelo predictivo Redes neuronales
description	El presente proyecto tiene como objetivo proponer un modelo predictivo de datos para la preparación ante un evento sísmico en la ciudad de Cali. La metodología utilizada en el proyecto fue SEMMA y KDD la cual permite un análisis de los datos y desarrollo del modelo completo gracias a sus 5 pasos. Inicialmente se plantea el escenario bajo el cual se desarrolla el modelo, una vez se tiene claro el escenario, se selecciona el conjunto de datos necesarios para el diseño del modelo, donde se realiza un proceso de limpieza y pre-procesamiento que tiene como objetivo eliminar los valores que no se necesitan y campos vacíos, en esta fase también se realiza la estrategia para adecuar el set de datos con los campos o variables que están vacías y son necesarias para continuar con el desarrollo del modelo. Una vez los datos han pasado por la fase de limpieza, se realiza una reducción de la dimensión del set de datos, cuando se tienen listos los datos se procede a la selección del paradigma bajo el cual se realiza el modelo: predictivo, en el siguiente paso se selecciona el algoritmo de minería de datos, para este proyecto se selecciona: redes neuronales, una vez se tienen los pasos anteriores, se procede a aplicar las redes neuronales para generar un modelo de datos predictivo y la implementación de los datos analizados. Finalmente, es importante destacar que en temas relacionados con ciencias de la tierra, la ciencia de datos tiene un gran impacto ya que ofrece una variedad de herramientas y métodos que permite analizar fenómenos naturales desde diferentes puntos con el objetivo de recolectar datos o información que permita generar planes de acción y prevención a las diferentes entidades de socorro en caso de desastres.
publishDate	2021
dc.date.issued.none.fl_str_mv	2021-11-17
dc.date.accessioned.none.fl_str_mv	2022-02-24T18:55:30Z
dc.date.available.none.fl_str_mv	2022-02-24T18:55:30Z
dc.type.spa.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.coar.eng.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.eng.fl_str_mv	Text
dc.type.driver.eng.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.eng.fl_str_mv	https://purl.org/redcol/resource_type/TP
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/10614/13620
dc.identifier.instname.spa.fl_str_mv	Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv	Repositorio Educativo Digital
dc.identifier.repourl.spa.fl_str_mv	https://red.uao.edu.co/
url	https://hdl.handle.net/10614/13620 https://red.uao.edu.co/
identifier_str_mv	Universidad Autónoma de Occidente Repositorio Educativo Digital
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.none.fl_str_mv	Aitana Soluciones ERP y CRM. (12 de Septiembre de 2018). 8 tipos de gráficos para la visualización de datos en Power BI. https://blog.aitana.es/2018/09/12/tipos-graficos-power-bi/ Amazon. (s.f.). ¿Qué son los microservicios? https://aws.amazon.com/es/microservices/Aws Amazon. (s.f.). ¿Qué son los microservicios? https://aws.amazon.com/es/microservices/ Banco Mundial. (2012). Análisis de la gestión del riesgo de desastres en Colombia. http://gestiondelriesgo.gov.co/sigpad/archivos/gestiondelriesgoweb.pdf Banco Mundial. (10 de Abril de 2014). Gestión del riesgo de desastres para un desarrollo con capacidad de adaptación. https://www.bancomundial.org/es/results/2013/04/12/managing-disaster-risks-resilient-development Barrios Arce, J. I. (26 de Julio de 2019). La matriz de confusión y sus métricas. https://www.juanbarrios.com/la-matriz-de-confusion-y-sus-metricas/ Campus BigData International. (Enero de 2021). Procesos de Análisis de Datos. https://www.campusbigdata.com/big-data-blog/item/104-procesos-de-analisis-de-datos Cardona, O. D. (1996). El manejo de riesgos y los preparativos para desastres: Compromiso institucional para mejorar la calidad de vida. https://www.desenredando.org/public/libros/1996/dma/html/7cap9.htm Corporation IBM. (s.f.). El modelo de redes neuronales. https://www.ibm.com/docs/es/spss-modeler/SaaS?topic=networks-neural-model Deborah. (27 de Mayo de 2015). Significado de Tendencia. https://significado.net/tendencia/ Enciclopedia Concepto. (1 de Octubre de 2020). Concepto de dato. https://concepto.de/dato/#ixzz6WJF56Jdt Fayrix. (s.f.). Selección de métricas para aprendizaje automático. https://fayrix.com/machine-learning-metrics_es Garrido, G. J. (28 de Agosto de 2018). El proceso del análisis de datos. https://medium.com/@gjavier.correo/el-proceso-de-an%C3%A1lisis-de-datos-b928dd178b03 Geovictoria. (s.f.). ¿Qué es la analítica de datos y como llevarla a la asistencia? https://www.geovictoria.com/cl/analitica-de-datos-gestion-de-asistencia/ Gobierno de México. (02 de Octubre de 2017). Sismos: Causas, características e impactos. https://www.gob.mx/sgm/es/articulos/sismos-causas-caracteristicas-e-impactos?idiom=es Hernández Montes, R., Martínez Pinto, C. A.,y Navarro Jiménez, S. G. (s.f.). Redes neuronales y árboles de decisión para la clasificación de objetos astronómicos. https://www.rcs.cic.ipn.mx/2019_148_7/Redes%20neuronales%20y%20arboles%20de%20decision%20para%20la%20clasificacion%20de%20objetos%20astronomicos.pdf Hernández, C. L., y Dueñas, M. X. (s.f.). Hacia una metodología de gestión del conocimiento basada en minería de datos. http://repositorio.uigv.edu.pe/bitstream/handle/20.500.11818/982/COMTEL-2009-80-96.pdf?sequence=1&isAllowed=y Instituto Distrital de Gestión de Riesgos y Cambio Climático. (11 de Diciembre de 2019). Caracterización General del Escenario de Riesgo Sísmico. https://www.idiger.gov.co/rsismico Instituto Distrital de Gestión de Riesgos y Cambio Climático. (2020). Caracterización General del Escenario de Riesgo Sísmico. https://www.idiger.gov.co/rsismico Lantada Zarzosa, M. N. (2007). Evaluación del riesgo sísmico mediante métodos avanzados y técnicas GIS. Aplicación a la ciudad de Barcelona. http://hdl.handle.net/10803/6259 Lopez, A. (2020). Redes neuronales para anticiparse a los grandes terremotos. https://www.sacyr.com/-/redes-neuronales-para-anticiparse-a-los-grandes-terremotos LucidChart. (s.f.). Qué es un diagrama de árbol de decisión. https://www.lucidchart.com/pages/es/que-es-un-diagrama-de-arbol-de-decision/#section_4 Mesa, L. F. (16 de Febrero de 2021). 3 tipos de análisis de datos para mejorar la toma de decisiones. https://www.pragma.com.co/blog/3-tipos-de-analisis-de-datos-para-mejorar-la-toma-de-decisiones Microsoft. (s.f.). Power BI. https://powerbi.microsoft.com/es-es/ Microsystem. (s.f.). Tableau. https://www.microsystem.cl/plataforma/tableau/ Moine, J. M. (Abril de 2013). Metodologías para el descubrimiento. http://sedici.unlp.edu.ar/bitstream/handle/10915/29582/Documento_completo.pdf?sequence=1&isAllowed=y Mundial, O. M. (s.f.). Organización Metereológica Mundial. https://public.wmo.int/es/peligros-naturales-y-reducci%C3%B3n-de-riesgos-de-desastre Osso. (s.f.). Plan Para la Mitigación de Riesgos en Cali. https://www.osso.org.co/docu/publicac/1996/planii/cap04/text21.htm Pérez de Armiño, K. (s.f.). Diccionario de Acción Humanitaria y Cooperación al Desarrollo. https://www.dicc.hegoa.ehu.eus/listar/mostrar/72 Pérez, J. L., Salcedo Hurtado, E. d., y Mora Páez, H. (2014). Análisis sismotectónico regional como contribución al estudio de las fuentes sismogénicas locales en la zona del embalse Calima, Valle del Cauca, Colombia. Boletín de Geología, 36(2), 101-124. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/4478/5265 Recuero, P. (2019). ¿Sabes en qué se diferencian las redes neuronales del Deep Learning? https://blogthinkbig.com/redes-neuronales-deep-learning Redacción El País. (29 de Agosto de 2012). Cali es la ciudad de Colombia con más gente ubicada en zona sísmica. https://www.elpais.com.co/cali/es-la-ciudad-de-colombia-con-mas-gente-ubicada-en-zona-sismica.html Redacción de El País. (20 de Septiembre de 2017). ¿Está Cali preparada para afrontar un gran terremoto como el que golpeó a México? https://www.elpais.com.co/cali/esta-preparada-para-afrontar-un-gran-terremoto-como-el-que-golpeo-a-mexico.html Sitio big data. (19 de Enero de 2019). Machine Learning: Seleccion Metricas de clasificacion. https://sitiobigdata.com/2019/01/19/machine-learning-metrica-clasificacion-parte-3/# Stedman, C. (Noviembre de 2012). Análisis o analítica de datos. https://searchdatacenter.techtarget.com/es/definicion/Analisis-de-Datos Tableau. (s.f.). Las mejores visualizaciones. https://www.tableau.com/es-es/learn/get-started/desktop-viz-design Universidad del Rosario. (s.f.). Técnicas de mineria de datos para la prevención de lavado de activos. https://www.urosario.edu.co/observatorio-de-lavado-de-activos/Archivos_Lavados/Tecnicas-de-mineria-de-datos-para-la-prevencion-de.pdf Universidad de La Coruña (s.f.). ¿Qué es un terremoto? https://www.udc.es/dep/dtcon/estructuras/ETSAC/Investigacion/Terremotos/QUE_ES.htm
dc.rights.spa.fl_str_mv	Derechos reservados - Universidad Autónoma de Occidente, 2021
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.eng.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv	Derechos reservados - Universidad Autónoma de Occidente, 2021 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	83 páginas
dc.format.mimetype.eng.fl_str_mv	application/pdf
dc.coverage.spatial.none.fl_str_mv	Universidad Autónoma de Occidente, Cll 25 # 115-85 Km 2 Vía Cali - Jamundi
dc.publisher.spa.fl_str_mv	Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv	Ingeniería Informática
dc.publisher.department.spa.fl_str_mv	Departamento de Operaciones y Sistemas
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv	Cali
institution	Universidad Autónoma de Occidente
bitstream.url.fl_str_mv	https://red.uao.edu.co/bitstreams/d5c4cd96-b50c-4ebc-a900-e48bbf53baf9/download https://red.uao.edu.co/bitstreams/0a27986c-91a9-48ec-aecb-bfe4d4763aea/download https://red.uao.edu.co/bitstreams/244a7c5e-c0ab-4040-a65c-0021e7ffeb96/download https://red.uao.edu.co/bitstreams/2ad82a41-9c4a-454e-b196-94e10b318a44/download https://red.uao.edu.co/bitstreams/8c879ac1-d720-40da-8adb-3695d66e3473/download https://red.uao.edu.co/bitstreams/4d8a681f-b5ea-450b-95fe-16107825cd4d/download https://red.uao.edu.co/bitstreams/c046f7a9-69b9-4e2d-82ea-c6237bf229be/download
bitstream.checksum.fl_str_mv	20b5ba22b1117f71589c7318baa2c560 1a028669443fd03ea878d61f7b798bd9 2e48fb167108daaff9690a062142b6f7 ce0e6e7bce47fda4145c9a16336837e2 e1c06d85ae7b8b032bef47e42e4c08f9 644490c3d12632c94785409f9067a1c1 f99a8f13b993e964a5ab69551573636b
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv	repositorio@uao.edu.co
_version_	1808478909711253504
spelling	Peña Paz, Lydavirtual::4036-1Ojeda Tabares, Daniela29eec87c55ce3359f4d38b7349e7b7ccUniversidad Autónoma de Occidente, Cll 25 # 115-85 Km 2 Vía Cali - Jamundi2022-02-24T18:55:30Z2022-02-24T18:55:30Z2021-11-17https://hdl.handle.net/10614/13620Universidad Autónoma de OccidenteRepositorio Educativo Digitalhttps://red.uao.edu.co/El presente proyecto tiene como objetivo proponer un modelo predictivo de datos para la preparación ante un evento sísmico en la ciudad de Cali. La metodología utilizada en el proyecto fue SEMMA y KDD la cual permite un análisis de los datos y desarrollo del modelo completo gracias a sus 5 pasos. Inicialmente se plantea el escenario bajo el cual se desarrolla el modelo, una vez se tiene claro el escenario, se selecciona el conjunto de datos necesarios para el diseño del modelo, donde se realiza un proceso de limpieza y pre-procesamiento que tiene como objetivo eliminar los valores que no se necesitan y campos vacíos, en esta fase también se realiza la estrategia para adecuar el set de datos con los campos o variables que están vacías y son necesarias para continuar con el desarrollo del modelo. Una vez los datos han pasado por la fase de limpieza, se realiza una reducción de la dimensión del set de datos, cuando se tienen listos los datos se procede a la selección del paradigma bajo el cual se realiza el modelo: predictivo, en el siguiente paso se selecciona el algoritmo de minería de datos, para este proyecto se selecciona: redes neuronales, una vez se tienen los pasos anteriores, se procede a aplicar las redes neuronales para generar un modelo de datos predictivo y la implementación de los datos analizados. Finalmente, es importante destacar que en temas relacionados con ciencias de la tierra, la ciencia de datos tiene un gran impacto ya que ofrece una variedad de herramientas y métodos que permite analizar fenómenos naturales desde diferentes puntos con el objetivo de recolectar datos o información que permita generar planes de acción y prevención a las diferentes entidades de socorro en caso de desastres.The present project aims to propose a predictive data model for preparing for a seismic event in the city of Cali. The methodology used in the project was SEMMA and KDD which allows an analysis of the data and development of the complete model thanks to its 5 steps. Initially, the scenario under which the model is developed is proposed, once the scenario is clear, the set of data necessary for the design of the model is selected, where a cleaning and pre-processing process is carried out that aims to eliminate the values that are not needed and empty fields, in this phase the strategy is also carried out to adapt the data set with the fields or variables that are empty and are necessary to continue with the development of the model. Once the data has gone through the cleaning phase, a reduction of the size of the data set is carried out, when the data is ready, the paradigm under which the model is made is selected: predictive, in the following step select the data mining algorithm, for this project select: neural networks, once you have the previous steps, proceed to apply the neural networks to generate a predictive data model and the implementation of the analyzed data. Finally, it is important to note that on issues related to earth sciences, data science has a great impact since it offers a variety of tools and methods that allow the analysis of natural phenomena from different points in order to collect data or information that allows generate action and prevention plans for the different disaster relief entitiesPasantía de investigación (Ingeniero en Informática)-- Universidad Autónoma de Occidente, 2021PregradoIngeniero(a) en Informática83 páginasapplication/pdfspaUniversidad Autónoma de OccidenteIngeniería InformáticaDepartamento de Operaciones y SistemasFacultad de IngenieríaCaliDerechos reservados - Universidad Autónoma de Occidente, 2021https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Ingeniería InformáticaRedes neurales (Computadores)Minería de datosNeural networks (Computer science)Data miningModelo predictivoRedes neuronalesModelo predictivo de datos de eventos sísmicos en la ciudad de Cali.Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_71e4c1898caa6e32Aitana Soluciones ERP y CRM. (12 de Septiembre de 2018). 8 tipos de gráficos para la visualización de datos en Power BI. https://blog.aitana.es/2018/09/12/tipos-graficos-power-bi/Amazon. (s.f.). ¿Qué son los microservicios? https://aws.amazon.com/es/microservices/AwsAmazon. (s.f.). ¿Qué son los microservicios? https://aws.amazon.com/es/microservices/Banco Mundial. (2012). Análisis de la gestión del riesgo de desastres en Colombia. http://gestiondelriesgo.gov.co/sigpad/archivos/gestiondelriesgoweb.pdfBanco Mundial. (10 de Abril de 2014). Gestión del riesgo de desastres para un desarrollo con capacidad de adaptación. https://www.bancomundial.org/es/results/2013/04/12/managing-disaster-risks-resilient-developmentBarrios Arce, J. I. (26 de Julio de 2019). La matriz de confusión y sus métricas. https://www.juanbarrios.com/la-matriz-de-confusion-y-sus-metricas/Campus BigData International. (Enero de 2021). Procesos de Análisis de Datos. https://www.campusbigdata.com/big-data-blog/item/104-procesos-de-analisis-de-datosCardona, O. D. (1996). El manejo de riesgos y los preparativos para desastres: Compromiso institucional para mejorar la calidad de vida. https://www.desenredando.org/public/libros/1996/dma/html/7cap9.htmCorporation IBM. (s.f.). El modelo de redes neuronales. https://www.ibm.com/docs/es/spss-modeler/SaaS?topic=networks-neural-modelDeborah. (27 de Mayo de 2015). Significado de Tendencia. https://significado.net/tendencia/Enciclopedia Concepto. (1 de Octubre de 2020). Concepto de dato. https://concepto.de/dato/#ixzz6WJF56JdtFayrix. (s.f.). Selección de métricas para aprendizaje automático. https://fayrix.com/machine-learning-metrics_es Garrido, G. J. (28 de Agosto de 2018). El proceso del análisis de datos. https://medium.com/@gjavier.correo/el-proceso-de-an%C3%A1lisis-de-datos-b928dd178b03 Geovictoria. (s.f.). ¿Qué es la analítica de datos y como llevarla a la asistencia? https://www.geovictoria.com/cl/analitica-de-datos-gestion-de-asistencia/Gobierno de México. (02 de Octubre de 2017). Sismos: Causas, características e impactos. https://www.gob.mx/sgm/es/articulos/sismos-causas-caracteristicas-e-impactos?idiom=esHernández Montes, R., Martínez Pinto, C. A.,y Navarro Jiménez, S. G. (s.f.). Redes neuronales y árboles de decisión para la clasificación de objetos astronómicos. https://www.rcs.cic.ipn.mx/2019_148_7/Redes%20neuronales%20y%20arboles%20de%20decision%20para%20la%20clasificacion%20de%20objetos%20astronomicos.pdfHernández, C. L., y Dueñas, M. X. (s.f.). Hacia una metodología de gestión del conocimiento basada en minería de datos. http://repositorio.uigv.edu.pe/bitstream/handle/20.500.11818/982/COMTEL-2009-80-96.pdf?sequence=1&isAllowed=yInstituto Distrital de Gestión de Riesgos y Cambio Climático. (11 de Diciembre de 2019). Caracterización General del Escenario de Riesgo Sísmico. https://www.idiger.gov.co/rsismicoInstituto Distrital de Gestión de Riesgos y Cambio Climático. (2020). Caracterización General del Escenario de Riesgo Sísmico. https://www.idiger.gov.co/rsismicoLantada Zarzosa, M. N. (2007). Evaluación del riesgo sísmico mediante métodos avanzados y técnicas GIS. Aplicación a la ciudad de Barcelona. http://hdl.handle.net/10803/6259Lopez, A. (2020). Redes neuronales para anticiparse a los grandes terremotos. https://www.sacyr.com/-/redes-neuronales-para-anticiparse-a-los-grandes-terremotosLucidChart. (s.f.). Qué es un diagrama de árbol de decisión. https://www.lucidchart.com/pages/es/que-es-un-diagrama-de-arbol-de-decision/#section_4Mesa, L. F. (16 de Febrero de 2021). 3 tipos de análisis de datos para mejorar la toma de decisiones. https://www.pragma.com.co/blog/3-tipos-de-analisis-de-datos-para-mejorar-la-toma-de-decisionesMicrosoft. (s.f.). Power BI. https://powerbi.microsoft.com/es-es/Microsystem. (s.f.). Tableau. https://www.microsystem.cl/plataforma/tableau/Moine, J. M. (Abril de 2013). Metodologías para el descubrimiento. http://sedici.unlp.edu.ar/bitstream/handle/10915/29582/Documento_completo.pdf?sequence=1&isAllowed=yMundial, O. M. (s.f.). Organización Metereológica Mundial. https://public.wmo.int/es/peligros-naturales-y-reducci%C3%B3n-de-riesgos-de-desastreOsso. (s.f.). Plan Para la Mitigación de Riesgos en Cali. https://www.osso.org.co/docu/publicac/1996/planii/cap04/text21.htmPérez de Armiño, K. (s.f.). Diccionario de Acción Humanitaria y Cooperación al Desarrollo. https://www.dicc.hegoa.ehu.eus/listar/mostrar/72Pérez, J. L., Salcedo Hurtado, E. d., y Mora Páez, H. (2014). Análisis sismotectónico regional como contribución al estudio de las fuentes sismogénicas locales en la zona del embalse Calima, Valle del Cauca, Colombia. Boletín de Geología, 36(2), 101-124. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/4478/5265Recuero, P. (2019). ¿Sabes en qué se diferencian las redes neuronales del Deep Learning? https://blogthinkbig.com/redes-neuronales-deep-learningRedacción El País. (29 de Agosto de 2012). Cali es la ciudad de Colombia con más gente ubicada en zona sísmica. https://www.elpais.com.co/cali/es-la-ciudad-de-colombia-con-mas-gente-ubicada-en-zona-sismica.htmlRedacción de El País. (20 de Septiembre de 2017). ¿Está Cali preparada para afrontar un gran terremoto como el que golpeó a México? https://www.elpais.com.co/cali/esta-preparada-para-afrontar-un-gran-terremoto-como-el-que-golpeo-a-mexico.htmlSitio big data. (19 de Enero de 2019). Machine Learning: Seleccion Metricas de clasificacion. https://sitiobigdata.com/2019/01/19/machine-learning-metrica-clasificacion-parte-3/#Stedman, C. (Noviembre de 2012). Análisis o analítica de datos. https://searchdatacenter.techtarget.com/es/definicion/Analisis-de-DatosTableau. (s.f.). Las mejores visualizaciones. https://www.tableau.com/es-es/learn/get-started/desktop-viz-designUniversidad del Rosario. (s.f.). Técnicas de mineria de datos para la prevención de lavado de activos. https://www.urosario.edu.co/observatorio-de-lavado-de-activos/Archivos_Lavados/Tecnicas-de-mineria-de-datos-para-la-prevencion-de.pdfUniversidad de La Coruña (s.f.). ¿Qué es un terremoto? https://www.udc.es/dep/dtcon/estructuras/ETSAC/Investigacion/Terremotos/QUE_ES.htmComunidad generalPublicationhttps://scholar.google.com/citations?user=czXZ0VAAAAAJ&hl=esvirtual::4036-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000504823virtual::4036-1d2a46a1b-1b77-45dd-83dc-904c73ca6ad4virtual::4036-1d2a46a1b-1b77-45dd-83dc-904c73ca6ad4virtual::4036-1LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/d5c4cd96-b50c-4ebc-a900-e48bbf53baf9/download20b5ba22b1117f71589c7318baa2c560MD53ORIGINALT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdfT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdfTexto archivo completo del trabajo de grado, PDFapplication/pdf1413761https://red.uao.edu.co/bitstreams/0a27986c-91a9-48ec-aecb-bfe4d4763aea/download1a028669443fd03ea878d61f7b798bd9MD54TA10103_Autorización trabajo de grado.pdfTA10103_Autorización trabajo de grado.pdfAutorización publicación del trabajo de gradoapplication/pdf999801https://red.uao.edu.co/bitstreams/244a7c5e-c0ab-4040-a65c-0021e7ffeb96/download2e48fb167108daaff9690a062142b6f7MD55TEXTT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdf.txtT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdf.txtExtracted texttext/plain119844https://red.uao.edu.co/bitstreams/2ad82a41-9c4a-454e-b196-94e10b318a44/downloadce0e6e7bce47fda4145c9a16336837e2MD56TA10103_Autorización trabajo de grado.pdf.txtTA10103_Autorización trabajo de grado.pdf.txtExtracted texttext/plain2https://red.uao.edu.co/bitstreams/8c879ac1-d720-40da-8adb-3695d66e3473/downloade1c06d85ae7b8b032bef47e42e4c08f9MD58THUMBNAILT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdf.jpgT10103_Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.pdf.jpgGenerated Thumbnailimage/jpeg5901https://red.uao.edu.co/bitstreams/4d8a681f-b5ea-450b-95fe-16107825cd4d/download644490c3d12632c94785409f9067a1c1MD57TA10103_Autorización trabajo de grado.pdf.jpgTA10103_Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg9322https://red.uao.edu.co/bitstreams/c046f7a9-69b9-4e2d-82ea-c6237bf229be/downloadf99a8f13b993e964a5ab69551573636bMD5910614/13620oai:red.uao.edu.co:10614/136202024-03-12 15:04:43.572https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2021open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Modelo predictivo de datos de eventos sísmicos en la ciudad de Cali.

Publicaciones similares