Perfiles NEUROPSI Atención y Memoria 6 a 85 Años (AyM).pdf
Patrones decrecimientocovid
1. APLICACION DE MINERIA DE DATOS
PARA ANALIZAR LOS PATRONES DE
CRECIMIENTO DE COVID -19 EN
MÉXICO
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
Jandira Vargas Jorge L. Urquiza Jose Wigner Luis Fernando
Rojas Contreras Lliully Cruz Ojeda
2. Contenido
01
02
04
03
Problema de Investigación
Metodología CRISP-DM
Aplicación de las fases de la Metodología CRISP-DM
La minería de datos en el campo de la salud
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
3. Problema de
Investigación
01
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
4. Situación problemática
Actualmente, el mundo se encuentra en
una crisis sanitaria debido a la
pandemia mundial por el covid-19 la
cual está siendo muy contagiosa ya que
es difícil controlar su rápido
crecimiento en la cantidad de personas
infectadas, en algunos casos el contagio
de este virus puede ser mortal.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
5. Situación Deseada
Aplicar las diferentes técnicas y algoritmos
de minería de datos para realizar un análisis
a los patrones de crecimiento del Covid-19.
A partir de ello, podemos anticiparnos y
predecir los patrones de crecimiento de
contagio de este virus para tener mayor
cuidado con el grupo más vulnerable y
también apoyarlos con una atención más
cercana hacia ellos.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
6. Obtener los datos de
la dirección general de
epidemiologia de
covid-19 de mexico.
Utilizar la metodología
Crisp-dm
Realizar el proceso de
extracción, Limpieza y
transformación de la
información
Aplicar diferentes
algoritmos para el
análisis
Objetivos
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
8. METODOLOGIA CRISP-DM
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
02
9. Comprensión del Negocio
Comprensión de los objetivos y requisitos del proyecto
desde una perspectiva de negocio, con el fin de
convertirlos en objetivos técnicos y en un plan de
proyecto.
● Determinar los objetivos del negocio.
● Evaluación de la situación.
● Determinar los objetivos de la minería de datos.
● Realizar el plan de proyecto.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
10. Comprensión de los Datos
Esta fase comienza con la colección de datos inicial y
continúa con las actividades que permiten
familiarizarse con los datos.
● Recolectar los datos iniciales.
● Descripción de los datos.
● Exploración de los datos.
● Verificar la calidad de los datos.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
11. Preparación de los Datos
Una vez efectuada la recolección inicial de los datos, se
procede a su preparación para adaptarlos a las técnicas
de minería de datos que se van a utilizar posteriormente.
● Seleccionar datos.
● Limpiar los datos.
● Construir los datos.
● Integrar los datos.
● Formateo de datos.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
12. Modelado
En esta fase, se seleccionan y aplican las técnicas de
modelado que sean pertinentes al problema (cuantas
más mejor), y se calibran sus parámetros a valores
óptimos.
● Escoger la tecnica de modelado
● Generar el plan de prueba.
● Construir el modelo
● Evaluar el modelo
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
13. Evaluación
En esta fase se evalúa el modelo, teniendo en cuenta el
cumplimiento de los criterios de éxito del problema.
Debe considerarse además que la fiabilidad calculada
para el modelo se aplica solamente para los datos sobre
los que se realizó el análisis.
● Evaluar los resultados.
● Revisar el proceso.
● Determinar los próximos pasos.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
14. Despliegue
El objetivo último de esta fase es realizar el despliegue
de los resultados obtenidos de forma que sea propagado
a los usuarios finales.
● Planear la implantacion.
● Planear la monitorización y mantenimiento.
● Producir el informe final.
● Revisar el proyecto.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
15. LA MINERÍA DE DATOS EN LA SALUD
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
03
16. Minería de datos - Salud
La minería de datos tiene por propósito
procesar datos para encontrar patrones de
comportamiento útiles para la toma de
decisiones.
La minería de datos se puede aplicar en
distintas áreas por lo que nosotros decidimos
aplicarla a la Salud.
El propósito es encontrar los patrones de
crecimiento del Covid-19 en México.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
17. APLICACIÓN DE LA METODOLOGÍA
CRISP-DM
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
04
18. Comprensión del Negocio
Para el desarrollo de dicho proyecto se cuenta con un
dataset de los casos de Covid-19 detectados en México
hasta julio del 2020, este mismo fue proporcionado por
el departamento de epidemiología gobierno de México
para que este pueda ser analizado por cualquier
entidad
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
19. Comprensión de los Datos
En los datos se puede apreciar las enfermedades
de base de las personas Asma, Obesidad,
Diabetes, edad, sexo, si fue entubado y si tenía
cuadro de neumonía.
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
20. Preparación de los Datos
Se tuvo que realizar una limpieza en los datos de la Tabla
de Entidad, específicamente en el atributo
Entidad_Federativa, debido a que contenían caracteres
que no eran aceptados por Sql Server lo cual distorsionó
la información
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
21. Modelado
deberemos utilizar alguna de las técnicas de modelado
que nos ofrece esta herramienta de acuerdo con los
objetivos de nuestro proyecto, se eligió los siguientes.
● Árbol de decisión
● Naive Bayes
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
22. Arbol de decisiones
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
23. Bayes Naive
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
24. Evaluación
En esta gráfica se puede apreciar la comparativa
entre los dos algoritmos aplicados en el mismo
modelo, nos da a conocer los siguientes datos
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez
25. MUCHAS GRACIAS POR SU
ATENCION, NO OLVIDEN
COLOCARSE MASCARILLA
Integrantes:
● Jandira Vargas Rojas
● Jorge Luis Urquiza Contreras
● Jose Wigner Lliully Cruz
● Luis Fernando Ojeda Contreras
Módulo: Mineria de Datos
Docente: Ing. David E. Mendoza Gutierrez