1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Computación

Title:	Predicción temprana del estado de salud de mascotas mediante el análisis de hemogramas utilizando técnicas de aprendizaje automático
Authors:	Alejandro Molina, Otilia Maria,, Director Lucas Cañizares, Oscar Humberto Montoya Ortiz, Nahín Josue
Keywords:	Hemogramas Medicina Veterinaria SVM Machine Learning
Issue Date:	2023
Publisher:	ESPOL
Citation:	Lucas Cañizares, O. H. y Montoya Ortiz, N. J. (2023). Predicción temprana del estado de salud de mascotas mediante el análisis de hemogramas utilizando técnicas de aprendizaje automático. [Proyecto integrador]. ESPOL. FIEC. .
Description:	La salud de las mascotas es un tema de importancia para sus dueños y veterinarios, en la actualidad los métodos para su cuidado en ocasiones no son eficientes debido a que la salud de los animales puede cambiar drásticamente en un tiempo corto, por lo cual se busca mejorar los métodos de atención con las nuevas tecnologías. Se planteó utilizar técnicas de machine learning como regresión logística, adaboost, support vector machine para analizar hemogramas. Se verificó que el dataset se encuentre en óptimas condiciones para mejorar sus rendimientos y se procedió a realizar el entrenamiento de los modelos. Una vez realizados los entrenamientos se los evaluó y se eligió el modelo SVM qué mejor rendimiento tenía para esta problemática. Lo que demuestra la efectividad de este enfoque en la predicción del estado de salud de las mascotas. Este proyecto podría sentar bases para un sistema innovador que transforme la práctica veterinaria en el futuro.
metadata.dc.description.abstractenglish:	Pets' health is an important topic for their owners and for veterinarians. These days, methods applied for pet care are not quite efficient due to the fact that animals health can change suddenly in a short time, thus new methods of pet care have been searched for improvement with new technologies. Machine learning techniques like logistic regression, adaboost, and support vectormachines (SVM)are proposed inorderto analyze blood counts.Verified optimal conditions for the dataset to improve the model's performance and continued to train. Once the training ended, those were evaluated, and it chose the SVM model that had better performance to solve the problem. It demonstrates the effectiveness of this approach to predicting the health status of pets. This project could lay the foundation for an innovative system that will transform veterinary practice in the future.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/58187
metadata.dc.identifier.codigoproyectointegrador:	TECH-301
Appears in Collections:	Tesis de Computación

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.