Predicción del nivel de estrés en estudiantes universitarios utilizando técnicas de machine learning

• Autor: Vilca Masco, Hernan
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/4096
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/4096
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Limpieza de datos; Estrés; Predicción; Instrumento del estrés; http://purl.org/pe-repo/ocde/ford#2.00.00

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.