000 | nam a22 7a 4500 | ||
---|---|---|---|
999 |
_c47790 _d47790 |
||
005 | 20221003073116.0 | ||
008 | 220929e2022 ck oa||fsm||| 00| 0 spa d | ||
040 |
_aCO-NeUS _bspa _erda |
||
041 | _aspa | ||
100 | 1 |
_9152651 _aMedina Díaz, Gustavo Andrés _eaut |
|
245 | 1 | 0 |
_aSistema experto para el apoyo al diagnóstico médico de hipertensión y diabetes a través de Machine Learning / _cMaicol Andrés García Rodríguez, Gustavo Andrés Medina Díaz; Director Jesús David Quintero Polanco |
256 | _aDatos electrónicos (1 archivos:5206 MG) | ||
264 | 1 |
_aNeiva: _bUniversidad Surcolombiana, _c2022 |
|
300 |
_a1 CD-ROM (108 páginas); _bdiagramas, fotografías, ilustraciones en general, tablas o cuadros; _c12 cm |
||
336 |
_2rdacontent _atxt _btxt |
||
337 |
_2rdamedia _ac _bcd |
||
338 |
_2rdacarrier _acd _bcd |
||
347 |
_2rda _atexto _bpdf |
||
502 |
_aTesis _bIngeniero Electrónico _cUniversidad Surcolombiana. Facultad de Ingeniería. Ingeniería Electrónica. _d2022 |
||
505 | _aIntroducción -- 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 | ||
520 | _a"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." | ||
700 | 1 |
_9152652 _aGarcía Rodríguez, Maicol Andrés _eaut |
|
700 | 1 |
_976578 _aQuintero Polanco, Jesús David, _edrt |
|
082 | 0 | 4 |
_221 _aTh IE 0379 |
650 | 0 |
_9152653 _aIngeniería Electrónica - Framework _xAprendizaje de máquina |
|
650 | 0 |
_9152654 _aAplicación Web - Framework Django _xAplicación móvil - Android Studio. |
|
942 |
_2Local _cCD _hTh IE 0379 _ktH |