Medina Díaz, Gustavo Andrés
Sistema experto para el apoyo al diagnóstico médico de hipertensión y diabetes a través de Machine Learning / Maicol Andrés García Rodríguez, Gustavo Andrés Medina Díaz; Director Jesús David Quintero Polanco , Datos electrónicos (1 archivos:5206 MG) - 1 CD-ROM (108 páginas); diagramas, fotografías, ilustraciones en general, tablas o cuadros; 12 cm
Tesis
Introducción -- Objetivos, general, específicos -- Marco teórico, hipertensión, diabetes, sistema experto, sistema operativo Android , modelo vista controlador (MVC),machine learning, pre-procesamiento de datos, análisis de componentes principales (PCA), postgreSQL, api rest, docker, kubernetes, amazon elastic kubernetes service (EKS) -- Desarrollo algoritmo de machine learning, base de datos, limpieza y pre-procesamiento de los datos, algoritmo de predicción -- Desarrollo del sistema experto, desarrollo aplicación web en Django, creación de tablas de datos en Django, envío y recepción de información de bases de datos, creación de vistas en Django, creación de controladores en Django, rutas página web, contenerización y alojamiento web mediante eks de aws -- Desarrollo aplicación móvil, configuración, vistas, comunicación por retrofit para consumir API -- Conclusiones
"Se realizó la implementación de un producto mínimo viable del sistema experto para el diagnóstico de hipertensión y diabetes con Machine Learning desarrollado en Python donde se probaron diferentes métodos tradicionales para determinar cuál se ajustaba mejor a los datos y entregaba un mayor porcentaje de predicción.
Se desarrolló una aplicación web con el framework de Django que permite a los usuarios realizar un proceso de diagnóstico a través de una interfaz gráfica con diferentes formularios que la hacen fácil y agradable de utilizar, así como también llevar un historial de las consultas realizadas mediante la utilización del gestor de bases de datos PostgreSQL. Además, se utilizó la librería Django Rest Framework para crear una API que interactúa e intercambia información con una aplicación móvil desarrollada en Android Studio.
La aplicación móvil permite a los usuarios registrarse, hacer un proceso de login y realizar el proceso de diagnóstico de hipertensión y diabetes haciendo uso de la librería Retrofit para la comunicación con la API."
Ingeniería Electrónica - Framework--Aprendizaje de máquina
Aplicación Web - Framework Django--Aplicación móvil - Android Studio.
Th IE 0379
Sistema experto para el apoyo al diagnóstico médico de hipertensión y diabetes a través de Machine Learning / Maicol Andrés García Rodríguez, Gustavo Andrés Medina Díaz; Director Jesús David Quintero Polanco , Datos electrónicos (1 archivos:5206 MG) - 1 CD-ROM (108 páginas); diagramas, fotografías, ilustraciones en general, tablas o cuadros; 12 cm
Tesis
Introducción -- Objetivos, general, específicos -- Marco teórico, hipertensión, diabetes, sistema experto, sistema operativo Android , modelo vista controlador (MVC),machine learning, pre-procesamiento de datos, análisis de componentes principales (PCA), postgreSQL, api rest, docker, kubernetes, amazon elastic kubernetes service (EKS) -- Desarrollo algoritmo de machine learning, base de datos, limpieza y pre-procesamiento de los datos, algoritmo de predicción -- Desarrollo del sistema experto, desarrollo aplicación web en Django, creación de tablas de datos en Django, envío y recepción de información de bases de datos, creación de vistas en Django, creación de controladores en Django, rutas página web, contenerización y alojamiento web mediante eks de aws -- Desarrollo aplicación móvil, configuración, vistas, comunicación por retrofit para consumir API -- Conclusiones
"Se realizó la implementación de un producto mínimo viable del sistema experto para el diagnóstico de hipertensión y diabetes con Machine Learning desarrollado en Python donde se probaron diferentes métodos tradicionales para determinar cuál se ajustaba mejor a los datos y entregaba un mayor porcentaje de predicción.
Se desarrolló una aplicación web con el framework de Django que permite a los usuarios realizar un proceso de diagnóstico a través de una interfaz gráfica con diferentes formularios que la hacen fácil y agradable de utilizar, así como también llevar un historial de las consultas realizadas mediante la utilización del gestor de bases de datos PostgreSQL. Además, se utilizó la librería Django Rest Framework para crear una API que interactúa e intercambia información con una aplicación móvil desarrollada en Android Studio.
La aplicación móvil permite a los usuarios registrarse, hacer un proceso de login y realizar el proceso de diagnóstico de hipertensión y diabetes haciendo uso de la librería Retrofit para la comunicación con la API."
Ingeniería Electrónica - Framework--Aprendizaje de máquina
Aplicación Web - Framework Django--Aplicación móvil - Android Studio.
Th IE 0379