Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019
RESUMEN: Machine Learning es una disciplina de la Inteligencia Artificial que crea sistemas que aprenden automáticamente identificando patrones complejos en millones de datos, lo que es importante en esta década donde día a día abundan los datos. Este estudio tiene como objetivo elaborar un modelo d...
- Autores:
-
Rodríguez Arango, Laura María
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/18667
- Acceso en línea:
- http://hdl.handle.net/10495/18667
- Palabra clave:
- Donantes de sangre
Blood donors
Bancos de sangre
Blood banks
Modelos predictivos
Forecasting
Análisis de datos
Data analysis
Procesamiento automatizado de datos
Electronic data processing
Banco de Sangre de la Escuela de Microbiología. Universidad de Antioquia
http://id.nlm.nih.gov/mesh/D001782
http://id.nlm.nih.gov/mesh/D001771
http://id.nlm.nih.gov/mesh/D005544
http://id.nlm.nih.gov/mesh/D000078332
http://id.nlm.nih.gov/mesh/D001330
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
id |
UDEA2_e565cde67bf335c174cc0056807f6fd9 |
---|---|
oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/18667 |
network_acronym_str |
UDEA2 |
network_name_str |
Repositorio UdeA |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
title |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
spellingShingle |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 Donantes de sangre Blood donors Bancos de sangre Blood banks Modelos predictivos Forecasting Análisis de datos Data analysis Procesamiento automatizado de datos Electronic data processing Banco de Sangre de la Escuela de Microbiología. Universidad de Antioquia http://id.nlm.nih.gov/mesh/D001782 http://id.nlm.nih.gov/mesh/D001771 http://id.nlm.nih.gov/mesh/D005544 http://id.nlm.nih.gov/mesh/D000078332 http://id.nlm.nih.gov/mesh/D001330 |
title_short |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
title_full |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
title_fullStr |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
title_full_unstemmed |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
title_sort |
Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019 |
dc.creator.fl_str_mv |
Rodríguez Arango, Laura María |
dc.contributor.advisor.none.fl_str_mv |
Tangarife Villa, Carlos Alberto |
dc.contributor.author.none.fl_str_mv |
Rodríguez Arango, Laura María |
dc.subject.mesh.none.fl_str_mv |
Donantes de sangre Blood donors Bancos de sangre Blood banks Modelos predictivos Forecasting Análisis de datos Data analysis Procesamiento automatizado de datos Electronic data processing |
topic |
Donantes de sangre Blood donors Bancos de sangre Blood banks Modelos predictivos Forecasting Análisis de datos Data analysis Procesamiento automatizado de datos Electronic data processing Banco de Sangre de la Escuela de Microbiología. Universidad de Antioquia http://id.nlm.nih.gov/mesh/D001782 http://id.nlm.nih.gov/mesh/D001771 http://id.nlm.nih.gov/mesh/D005544 http://id.nlm.nih.gov/mesh/D000078332 http://id.nlm.nih.gov/mesh/D001330 |
dc.subject.proposal.spa.fl_str_mv |
Banco de Sangre de la Escuela de Microbiología. Universidad de Antioquia |
dc.subject.meshuri.none.fl_str_mv |
http://id.nlm.nih.gov/mesh/D001782 http://id.nlm.nih.gov/mesh/D001771 http://id.nlm.nih.gov/mesh/D005544 http://id.nlm.nih.gov/mesh/D000078332 http://id.nlm.nih.gov/mesh/D001330 |
description |
RESUMEN: Machine Learning es una disciplina de la Inteligencia Artificial que crea sistemas que aprenden automáticamente identificando patrones complejos en millones de datos, lo que es importante en esta década donde día a día abundan los datos. Este estudio tiene como objetivo elaborar un modelo de aprendizaje automático o de máquinas (machine learning -ML) para la clasificación de donantes de sangre voluntarios en donante frecuente o no frecuente, del Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia. Para ello se tuvo en cuenta una base de datos extraída del sistema de información de registro de donantes de Sangre de dicho banco y se aplicaron varios tipos de algoritmos (modelos) con el fin de experimentar y finalmente escoger uno o varios de acuerdo a su rendimiento o ajuste. Entre los algoritmos implementados, los que mejor se ajustaron con los datos de Test fueron: Regresión logística, k-Nearest Neighbors, Gaussian Naive Bayes- GNB y Maquinas de soporte de vector –SVM; estos se ajustan todos en un 93%. No obstante, también encontrará conceptos necesarios para el entendimiento y comprensión del experimento. |
publishDate |
2019 |
dc.date.issued.none.fl_str_mv |
2019 |
dc.date.accessioned.none.fl_str_mv |
2021-02-24T22:41:40Z |
dc.date.available.none.fl_str_mv |
2021-02-24T22:41:40Z |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/draft |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
draft |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10495/18667 |
url |
http://hdl.handle.net/10495/18667 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
dc.rights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.accessrights.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.creativecommons.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ http://purl.org/coar/access_right/c_abf2 https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
71 |
dc.format.mimetype.spa.fl_str_mv |
application/word |
dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
institution |
Universidad de Antioquia |
bitstream.url.fl_str_mv |
http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/7/RodriguezLaura_2019_ModeloMLdonacionSangre.pdf http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/8/license_rdf http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/9/license.txt |
bitstream.checksum.fl_str_mv |
fc95172022a1e25d2c46d42851d92dfe b88b088d9957e670ce3b3fbe2eedbc13 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad de Antioquia |
repository.mail.fl_str_mv |
andres.perez@udea.edu.co |
_version_ |
1805390245972148224 |
spelling |
Tangarife Villa, Carlos AlbertoRodríguez Arango, Laura María2021-02-24T22:41:40Z2021-02-24T22:41:40Z2019http://hdl.handle.net/10495/18667RESUMEN: Machine Learning es una disciplina de la Inteligencia Artificial que crea sistemas que aprenden automáticamente identificando patrones complejos en millones de datos, lo que es importante en esta década donde día a día abundan los datos. Este estudio tiene como objetivo elaborar un modelo de aprendizaje automático o de máquinas (machine learning -ML) para la clasificación de donantes de sangre voluntarios en donante frecuente o no frecuente, del Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia. Para ello se tuvo en cuenta una base de datos extraída del sistema de información de registro de donantes de Sangre de dicho banco y se aplicaron varios tipos de algoritmos (modelos) con el fin de experimentar y finalmente escoger uno o varios de acuerdo a su rendimiento o ajuste. Entre los algoritmos implementados, los que mejor se ajustaron con los datos de Test fueron: Regresión logística, k-Nearest Neighbors, Gaussian Naive Bayes- GNB y Maquinas de soporte de vector –SVM; estos se ajustan todos en un 93%. No obstante, también encontrará conceptos necesarios para el entendimiento y comprensión del experimento.ABSTRACT: Machine Learning is a discipline of Artificial Intelligence that creates systems that automatically learn by identifying complex patterns in millions of data, which is important in this decade where data abounds every day. The objective of this study is to develop a machine learning (ML) model for the classification of voluntary blood donors into frequent or non-frequent donors, from the Blood Bank of the School of Microbiology of the University of Antioquia. For this, a database extracted from the Blood donor registry information system of said bank was taken into account and several types of algorithms (models) were applied in order to experiment and finally choose one or more according to their performance. or adjustment. Among the algorithms implemented, the ones that best fitted with the Test data were: Logistic Regression, k-Nearest Neighbors, Gaussian Naive Bayes-GNB and Vector Support Machines -SVM; these are all 93% adjusted. However, you will also find concepts necessary for understanding and understanding the experiment.71application/wordspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bcceAtribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/Donantes de sangreBlood donorsBancos de sangreBlood banksModelos predictivosForecastingAnálisis de datosData analysisProcesamiento automatizado de datosElectronic data processingBanco de Sangre de la Escuela de Microbiología. Universidad de Antioquiahttp://id.nlm.nih.gov/mesh/D001782http://id.nlm.nih.gov/mesh/D001771http://id.nlm.nih.gov/mesh/D005544http://id.nlm.nih.gov/mesh/D000078332http://id.nlm.nih.gov/mesh/D001330Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019Medellín, ColombiaProfesional en Gerencia de Sistemas de Información en SaludPregradoFacultad Nacional de Salud Pública. Carrera de Gerencia en Sistemas de Información en SaludUniversidad de AntioquiaORIGINALRodriguezLaura_2019_ModeloMLdonacionSangre.pdfRodriguezLaura_2019_ModeloMLdonacionSangre.pdfTrabajo de grado de pregradoapplication/pdf1034268http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/7/RodriguezLaura_2019_ModeloMLdonacionSangre.pdffc95172022a1e25d2c46d42851d92dfeMD57CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8823http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/8/license_rdfb88b088d9957e670ce3b3fbe2eedbc13MD58LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/18667/9/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5910495/18667oai:bibliotecadigital.udea.edu.co:10495/186672021-07-14 12:38:32.295Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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 |