LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
Mortalidad Covid Mexico
1. APLICACION DE MINERIA DE DATOS
PARA ANALIZAR LOS PATRONES DE
MORTALIDAD DEL 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 Quiroz
2. Contenido
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
1
Problema de Investigación
3
2
4
Metodología CRISP-DM
Aplicación de las fases de la Metodología CRISP-DM
La minería de datos en el campo de la salud
3. Problema de
Investigación
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
01
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.
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 mortalidad del Covid-19. A partir de
ello, poder anticiparnos para tener mayor
cuidado con el grupo que se encuentra en alto
riesgo y también apoyarlos con una atención más
cercana hacia ellos en caso de que contraigan
dicho virus.
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
7. HERRAMIENTAS UTILIZADAS
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
mortalidad 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
Los datos utilizados en este proyecto son datos
referentes a covid del país de México cuando la
pandemia estaba por una curva bastante
empinada en la época donde se sufrió una crisis
sanitaria no solo en México sino en varios países
del mundo.
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.
● Cluster Microsoft.
● Redes Neuronales.
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. Cluster Microsoft
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. Redes Neuronales
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
El algoritmo más óptimo y con menos porcentaje de
error es el de redes neuronales, es el que mejor realiza
la predicción para este almacén 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
25. MUCHAS GRACIAS POR SU
ATENCION, NO OLVIDEN
COLOCARSE BARBIJO
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