Estudio de Modelos de Aprendizaje Automático Probabilístico para la Predicción de casos de Covid-19 en España

Marcos Alarcón, Pablo. (2021). Estudio de Modelos de Aprendizaje Automático Probabilístico para la Predicción de casos de Covid-19 en España Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Marcos_Alarcon_TFM.pdf Marcos_Alarcon_TFM.pdf application/pdf 5.10MB

Título Estudio de Modelos de Aprendizaje Automático Probabilístico para la Predicción de casos de Covid-19 en España
Autor(es) Marcos Alarcón, Pablo
Resumen En el presente estudio se va a analizar la efectividad de diferentes modelos de aprendizaje automático con salida probabilística e inferencia Bayesiana, aplicados a la predicción de casos de Covid-19 en España. Para ello, se utilizarán los datos y las métricas de evaluación utilizadas en el European Covid-19 Forecast Hub (a partir de ahora, Hub). Dicho Hub está coordinado por el Centro Europeo de Predicción y Control de Enfermedades y se encarga de coleccionar y combinar predicciones a corto plazo de casos, hospitalizaciones y muertes por Covid-19 en toda Europa (Unión Europea, países EFTA y UK), generados por diferentes equipos de modelado independientes, utilizando diferentes tipos de metodologías [1]. Durante el estudio se analizará el rendimiento de modelos predictivos que utilizan diferentes metodologías, siguiendo un enfoque incremental en cuanto a la complejidad. El análisis se llevará a cabo analizando, tanto los resultados del entrenamiento de los modelos, como la comparación de las predicciones generadas por los mismos con aquellas predicciones de los modelos existentes en el Hub, utilizando para ello las medidas de evaluación con las que se evalúan semanalmente las predicciones enviadas al Hub. Los modelos estudiados utilizan únicamente datos de casos producidos en el pasado, focalizando el estudio, por tanto, en el componente autoregresivo y de dependencia temporal del modelado. El estudio pone especial atención en la evaluación y selección de modelos de regresión. Por tanto, el alcance del estudio es el de analizar hasta qué punto los modelos de regresión probabilística e inferencia bayesiana pueden alcanzar resultados fiables con respecto a modelos predictivos más sofisticados que utilizan conjuntos de datos ampliados con conceptos de epidemiología.
Notas adicionales Trabajo de Fin de Máster Universitario en Ingeniería y Ciencia de Datos. UNED
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Aznarte Mellado, José Luis
Fecha 2021-10-01
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-ICD-Pmarcos
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-ICD-Pmarcos
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 482 Visitas, 267 Descargas  -  Estadísticas en detalle
Creado: Fri, 29 Oct 2021, 18:29:05 CET