DESIGN AND IMPLEMENTATION OF AN APLICATION FOR MEDICAL DECISION SUPPORT IN PATIENTS AT RISK OF TYPE 2 DIABETES.

Artificial Intelligence and its application in the field of medicine have generated great revolution in recent times since the creation of supervised and unsupervised learning methods allow significant advances in terms of prediction and classification of people with possible diseases such as diabetes. For the identification of the different Machine Learning methods that exist, a systematic review of the literature was carried out and relevant information about them was extracted to take them as a reference in this project. Then, a model based on decision trees was chosen and developed to obtain 75% metrics using the agile methodology of Scrum development with weekly sprints aimed at the implementation of each functionality. Finally, relevant graphs describing the dataset used (Pima Indians Diabetes Database) were obtained and a dashboard prototype was deployed to obtain the probability of a patient being diagnosed with type 2 diabetes. The purpose of this work is to design, model and implement an application that provides support to the health professional when making decisions regarding patients with risk of type 2 diabetes.

Authors

ANÁLISIS DE SENTIMIENTOS DE RESEÑAS PARA DETERMINAR LA ACOGIDA DE UN PRODUCTO UTILIZANDO TÉCNICAS DE MACHINE LEARNING Y DATA MINING.

Autores

Espitaleta, Julián

García, Kelly

Maza, Jose

TUTOR

Nieto, Wilson

Leer múltiples reseñas de productos puede resultar tedioso, y concluir si un producto ha gustado o no a sus consumidores es complicado, por lo que es necesario implementar una herramienta que analice todas las reseñas de un producto y determine su polaridad. Lo anterior con el fin de agilizar y mejorar la toma de decisiones sobre un producto por parte de los interesados, así como la relación cliente-empresa, evaluando las reseñas bajo un mismo críterio. Durante el desarrollo del proyecto se diseñó e implementó la estrategia utilizando técnicas de Machine learning y Data mining para solucionar el problema planteado. Como resultado se implemento un modelo por medio de un dataset, luego se aplicó web scrapping a la página web de Amazon, un reconocido E-commerce, con el fin de extraer las reseñas de un producto dado, se visualizaron las reseñas de este a través de librerías de Python para luego ser procesadas y así realizar un analisis de sentimientos. Lo anterior permitió concluir la polaridad de un producto dado haciendo uso de tecnicas de machine learning y data mining.