MÉTODO O MÉTODOS DENTRO DEL MACHINE LEARNING PARA DETECTAR LA DIABETES: REFLEXIONES

Contenido principal del artículo

Diego Alejandro Rodríguez Gómez
Lizbeth Hernandez Rodriguez

Resumen

El artículo aborda la problemática de la diabetes, una enfermedad que afecta a millones de personas a nivel global, siendo la diabetes tipo 2 la más común. Se destaca que la enfermedad tiene un alto impacto en la mortalidad, particularmente en países en desarrollo como México y Colombia, donde se destina una parte significativa del presupuesto de salud para su manejo. El artículo introduce el concepto de "Machine Learning" como una tecnología de inteligencia artificial capaz de aprender de datos y realizar predicciones precisas. Se exploran métodos de Machine Learning, como Random Forest y Regresión Logística, que pueden ser útiles para la predicción de la diabetes. Además, se menciona que México y Colombia han adoptado Machine Learning en diversas empresas, destacando los beneficios de esta tecnología en términos de reducción de costos y mejora de la eficiencia.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Rodríguez Gómez, D. A., & Hernandez Rodriguez, L. (2024). MÉTODO O MÉTODOS DENTRO DEL MACHINE LEARNING PARA DETECTAR LA DIABETES: REFLEXIONES. Revista Tajamar, 2(1), 7–12. Recuperado a partir de https://publicaciones.litoral.edu.co/index.php/revista_tajamar/article/view/21
Sección
Articulos de Revisión
Biografía del autor/a

Diego Alejandro Rodríguez Gómez, Instituto Tecnológico Superior del Oriente del Estado de Hidalgo (ITESA)

Pasante del programa delfin, estudiante de el programa en Ingeniería Mecatrónica; Instituto Tecnológico Superior del Oriente del Estado de Hidalgo (ITESA).

Lizbeth Hernandez Rodriguez, Instituto Tecnológico Superior de Ciudad Hidalgo

Pasante del programa Delfín, Estudiante de ingeniería Mecatrónica; Instituto Tecnológico Superior del Oriente del Estado de Hidalgo (ITESA).

Artículos similares

<< < 1 2 3 4 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.