Predicción de obesidad en la adolescencia mediante aprendizaje de máquina a través de medidas antropométricas
| dc.contributor.advisor | Esquicha Tejada, Jose David | |
| dc.contributor.author | Gutiérrez Quintanilla, Andrea Isabel | |
| dc.date.accessioned | 2023-01-04T19:18:24Z | |
| dc.date.available | 2023-01-04T19:18:24Z | |
| dc.date.issued | 2022-12-06 | |
| dc.description.abstract | La obesidad es considerada por la Organización Mundial de la Salud como una Enfermedad No Transmisible (ENT), que ataca a más de la mitad de la población mundial y es el desencadenante de muchas enfermedades cardiovasculares y diabetes. Actualmente el 53,8% de personas residentes en el Perú mayores de 15 años tienen exceso de peso, ya sea sobrepeso u obesidad. Esto se debe a que, desde muy pequeños, por diferentes circunstancias no tienen una alimentación saludable y balanceada. Este problema se agrava con la llegada del COVID 19 y la cuarentena obligatoria. Por otro lado, el avance de la tecnología y de la Inteligencia Artificial se sigue dando de una manera exponencial, no solamente abarcando en áreas industriales, sino que poco a poco está siendo implementada en el área salud. Es por ello por lo que se plantea el desarrollo de una red neuronal para la detección de la obesidad en adolescentes a través de medidas antropométricas. El sistema será capaz de realizar predicciones como resultado del análisis de los diferentes datos de una persona. El propósito del proyecto es servir de ayuda (por medio de aprendizaje automático) a la detección temprana la obesidad en adolescentes, además de ofrecer un nivel de confiabilidad mayor al 90% en caso la persona posea dicha enfermedad no transmisible y de esta forma prevenir resultados mortales por la falta de seguimiento y detección en las consultas médicas | es_ES |
| dc.description.uri | Tesis | es_ES |
| dc.format | application/pdf | es_ES |
| dc.identifier.uri | https://repositorio.ucsm.edu.pe/handle/20.500.12920/12254 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Universidad Católica de Santa María | es_ES |
| dc.publisher.country | PE | es_ES |
| dc.rights | info:eu-repo/semantics/openAccess | es_ES |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | es_ES |
| dc.source | Universidad Católica de Santa María | es_ES |
| dc.source | Repositorio de la Universidad Católica de Santa María - UCSM | es_ES |
| dc.subject | Redes neuronales | es_ES |
| dc.subject | Obesidad | es_ES |
| dc.subject | Aprendizaje de máquina | es_ES |
| dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.00.00 | es_ES |
| dc.title | Predicción de obesidad en la adolescencia mediante aprendizaje de máquina a través de medidas antropométricas | es_ES |
| dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
| dc.type.version | info:eu-repo/semantics/publishedVersion | es_ES |
| renati.advisor.dni | 43635330 | |
| renati.advisor.orcid | 0000-0002-0191-7174 | es_ES |
| renati.author.dni | 70752467 | |
| renati.discipline | 612076 | es_ES |
| renati.juror | Sulla Torres, Jose Alfredo | es_ES |
| renati.juror | Rosas Paredes, Karina | es_ES |
| renati.juror | Castro Gutierrez, Eveling Gloria | es_ES |
| renati.level | https://purl.org/pe-repo/renati/nivel#tituloProfesional | es_ES |
| renati.type | https://purl.org/pe-repo/renati/type#tesis | es_ES |
| thesis.degree.discipline | Ingeniería de Sistemas | es_ES |
| thesis.degree.grantor | Universidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formales | es_ES |
| thesis.degree.level | Título Profesional | es_ES |
| thesis.degree.name | Ingeniero de Sistemas con Especialidad en Ingeniería de Software | es_ES |