Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning
El diagnostico en el sector salud es de suma importancia para el tratamiento de enfermedades de salud mental como el estrés, las tecnologías de inteligencia artificial específicamente en machine learning están cambiando el mundo en el sector de la salud mental el tratamiento de los datos con técnica...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2020
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510271032229888 |
|---|---|
| author | Vilca Masco, Hernan |
| author2 | Condori Coaquira, Angel Rosendo |
| author_browse | Condori Coaquira, Angel Rosendo Vilca Masco, Hernan |
| author_facet | Condori Coaquira, Angel Rosendo Vilca Masco, Hernan |
| author_sort | Vilca Masco, Hernan |
| collection | Repositorio institucional |
| description | El diagnostico en el sector salud es de suma importancia para el tratamiento de enfermedades de salud mental como el estrés, las tecnologías de inteligencia artificial específicamente en machine learning están cambiando el mundo en el sector de la salud mental el tratamiento de los datos con técnicas de aprendizaje de máquina son herramientas que apoyan a la toma de decisiones con una mayor confiabilidad de los profesionales del área sector salud. El uso de librerías y lenguajes de programación libres de licencias permiten tener un mejor control y desarrollar herramientas de software con bajos costos que permitan su uso por profesionales de la salud y personas libre de pagos de licencias a terceros. La metodología se basó en la propuesta de IBM Knowledge denominada CRISP-DM que consta de las siguientes fases: Comprensión del negocio, Comprensión de los datos, Preparación de los datos, Modelado, Evaluación y distribución, todo esto con el objetico de entrenar un modelo computacional basado en Aprendizaje de Maquina para predecir del nivel de estrés en estudiantes universitarios. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/4096 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Tecnología de información e innovación tecnológica |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería y tecnología (general) |
| ocde_str_mv | 2.00.00 |
| programa_nombre_str_mv | Ingeniería de Sistemas |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2020 |
| publishDateRange | 2020 |
| publishDateSort | 2020 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning Vilca Masco, Hernan Condori Coaquira, Angel Rosendo Machine learning Limpieza de datos Estrés Predicción Instrumento del estrés El diagnostico en el sector salud es de suma importancia para el tratamiento de enfermedades de salud mental como el estrés, las tecnologías de inteligencia artificial específicamente en machine learning están cambiando el mundo en el sector de la salud mental el tratamiento de los datos con técnicas de aprendizaje de máquina son herramientas que apoyan a la toma de decisiones con una mayor confiabilidad de los profesionales del área sector salud. El uso de librerías y lenguajes de programación libres de licencias permiten tener un mejor control y desarrollar herramientas de software con bajos costos que permitan su uso por profesionales de la salud y personas libre de pagos de licencias a terceros. La metodología se basó en la propuesta de IBM Knowledge denominada CRISP-DM que consta de las siguientes fases: Comprensión del negocio, Comprensión de los datos, Preparación de los datos, Modelado, Evaluación y distribución, todo esto con el objetico de entrenar un modelo computacional basado en Aprendizaje de Maquina para predecir del nivel de estrés en estudiantes universitarios. 2020-12-02 2021-01-07T15:22:08Z 2021-01-07T15:22:08Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/4096 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/es/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/4096 2026-11-10T17:45:09Z |
| spellingShingle | Machine learning Limpieza de datos Estrés Predicción Instrumento del estrés Vilca Masco, Hernan Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title_full | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title_fullStr | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title_full_unstemmed | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title_short | Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning |
| title_sort | prediccion del nivel de estres en estudiantes universitarios utilizando tecnicas de machine learning |
| topic | Machine learning Limpieza de datos Estrés Predicción Instrumento del estrés |
| topic_facet | Machine learning Limpieza de datos Estrés Predicción Instrumento del estrés |
| url | https://hdl.handle.net/20.500.12840/4096 |
| work_keys_str_mv | AT vilcamascohernan predicciondelniveldeestresenestudiantesuniversitariosutilizandotecnicasdemachinelearning |