Browsing by Degree "Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra"
Now showing 1 - 20 of 29
Results Per Page
Sort Options
Publication Open Access Análisis de la integración de k-NN en redes neuronales para clasificación de datos tabulares y visuales(2024) Marín Jiménez, Olga Nínive; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste trabajo se centra en un estudio sobre cómo la integración de k-NN (k vecinos más cercanos) en redes neuronales, utilizando conjuntos de datos tabulares e imágenes, puede influir en los resultados de clasificación binaria y multiclase. Se lleva a cabo una comparación detallada entre cinco modelos distintos: un clasificador lineal como base, k-NN sin ajustes adicionales, un clasificador lineal que utiliza las probabilidades proporcionadas por k-NN para distinguir entre ejemplos simples y complejos durante el proceso de entrenamiento, un clasificador lineal que aplica k-NN exclusivamente en la fase de inferencia interpolando la distribución estimada por k-NN con la del clasificador y un clasificador lineal que realiza estas tareas tanto en el entrenamiento como en la fase de inferencia. Este enfoque tiene como objetivo principal resaltar la amplia aplicabilidad y versatilidad de esta técnica en la mejora de la precisión y adaptabilidad de los modelos de clasificación. Los resultados obtenidos de esta investigación proporcionarán una comprensión más profunda sobre cómo la fusión de k-NN y redes neuronales puede potenciar las capacidades de clasificación en una variedad de escenarios, desde datos tabulares hasta imágenes.Publication Open Access Análisis de los datos de seguimiento con GPS en ganadería extensiva y su aplicación para la monitorización medioambiental(2024) Sarrías Rodríguez, Aitana; Frías Paredes, Laura; Gastón Romeo, Martín; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEl objetivo de este Trabajo de Fin de Grado es indagar y explorar la aplicación de diferentes herramientas de apoyo de sistemas de posicionamiento global en las actividades de ganadería extensiva. En él se aborda el estudio de los datos de seguimiento por GPS de un ganado durante la temporada estival en el Pirineo Aragonés, con el fin de aprovechar la información que ofrece el comportamiento del rebaño para identificar aspectos relacionados con el medioambiente (como la gestión del monte, identificación de zonas de pérdida de pasto frente a matorral y que a la postre inciden en aspectos cruciales como el riesgo de incendios o la pérdida de biodiversidad). Además, se observará la presencia de depredadores y el impacto de estos en el rebaño. El problema se afrontará desde el punto de vista del análisis multivariante haciendo especial énfasis en el análisis clúster, búsqueda de patrones e identificación de datos anómalos.Publication Open Access Análisis del impacto de la intervención de la policía municipal en los eventos de parada cardio-respiratoria mediante modelos de simulación(2022) Baigorri Iguzquiaguirre, Miguel; Mallor Giménez, Fermín; Cildoz Esquíroz, Marta; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEn este trabajo se desarrolla una aplicación para analizar el impacto que tiene dotar a los agentes de policía de desfibriladores externos automáticos (DEA), y se compara su efectividad frente al uso de DEAs públicos por parte de transeúntes en casos de paradas cardiacas. Se describe el proceso de desarrollo de la aplicación y un caso práctico en la ciudad de Pamplona. La metodología de análisis se basa en el empleo de la simulación computacional, que permite generar ubicaciones de paradas cardiacas y reproducir el proceso de atención por parte de la policía y de los peatones, para comparar su eficacia a través del análisis de datos. Los resultados del caso práctico muestran que equipar a la policía tiene un impacto muy positivo sobre la probabilidad de supervivencia de los pacientes.Publication Embargo Aplicación de la segmentación semántica para el análisis del efecto del cambio climático en la cubierta vegetal de la Antártida(2024) Gastearena Irigoyen, Amaia; Pérez Goya, Unai; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEn las últimas décadas, la Antártida ha experimentado cambios significativos, desde el colapso de enormes plataformas de hielo hasta el retroceso de glaciares costeros. Estos eventos, junto con la acelerada pérdida de hielo en la península antártica y la variabilidad en la extensión del hielo marino, son indicadores claros de la influencia del cambio climático en esta región. El presente trabajo tiene como objetivo analizar los efectos del cambio climático usando un enfoque alternativo: el análisis de los cambios producidos en la cubierta vegetal. Para ello se dispone de fotografías capturadas in situ a lo largo de dos décadas. Mediante el etiquetado y preprocesamiento de dichas imágenes y la implementación de técnicas de aprendizaje profundo para la segmentación semántica de imágenes, se pretende observar la evolución de distintos tipos de vegetación hallados en la Antártida.Publication Open Access Aplicación del aprendizaje profundo para la predicción de caudal frente a escenarios de inundación del río Arga(2023) Moreno Lasa, Ismael; Bustince Sola, Humberto; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaLa modelización del caudal en cuencas hidrográficas de rápido flujo es un problema altamente complejo en el que los modelos hidrológicos comúnmente utilizados a menudo tienen limitaciones. La existencia de una predicción que permita una alerta temprana de inundaciones es vital para minimizar los daños a la propiedad y la infraestructura, y reducir los riesgos potenciales para las personas. Las técnicas de aprendizaje automático tienen el potencial de superar algunas de las limitaciones de los modelos hidrológicos tradicionales al utilizar conjuntos de datos grandes para aprender las relaciones entre diferentes variables hidrológicas, lo que permite realizar predicciones más precisas del caudal en cuencas de flujo rápido. El objetivo de este trabajo ha sido aplicar redes neuronales de Memoria a Corto y Largo Plazo (LSTM, por sus siglas en inglés) para la predicción de caudal en la cuenca del río Arga. Las redes LSTM son un tipo de Redes Neuronales Recurrentes (RNN) que son especialmente adecuadas para tareas de predicción en series temporales. Estas redes tienen células de memoria que les permiten recordar patrones en los datos a lo largo de un período de tiempo más largo, lo que las hace efectivas para capturar las dependencias temporales presentes en los datos de caudal. El uso de este tipo de redes permite superar algunas de las limitaciones típicas de los modelos hidrológicos tradicionales. Al utilizar redes LSTM, mostramos que el modelo es capaz de capturar la compleja dinámica temporal de los datos de caudal y realizar predicciones precisas a corto plazo, incluso para escenarios de alto flujo, con varias horas de anticipación. Los resultados demuestran que el uso de estas redes para la predicción del caudal en la cuenca del río Arga es un enfoque prometedor, especialmente para predicciones a corto plazo, con anticipación de horas. El uso de enfoques de aprendizaje automático puede desbloquear un nuevo potencial en la predicción y gestión de los recursos hídricos en el área, así como en la evaluación de riesgos y sistemas de alerta temprana para inundaciones.Publication Open Access Aplicación del estado del arte del aprendizaje profundo en las interfaces cerebro-máquina(2022) González García, Xabier; Fumanal Idocin, Javier; Fernández Fernández, Francisco Javier; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaLos avances tecnológicos han facilitado la tarea de captar actividad bioeléctrica cerebral mediante dispositivos electrónicos. Las interfaces cerebro-máquina son las encargadas de integrar la actividad captada con ordenadores para su posterior análisis. No obstante, obtener datos de calidad partir de las señales cerebrales noes una tarea sencilla. Diversas técnicas han sido estudiados durante décadas en la comunidad científica, dentro de las cuales destacan, por su rendimiento y resultados prometedores, los modelos de aprendizaje automático. El presente trabajo tiene como objetivo implementar y experimentar con técnicas de aprendizaje profundo del estado del arte para así descifrar la información que traen este tipo de señales, haciendo uso de la Tecnología de Interfaz cerebro-máquina.Publication Open Access Comparación de algoritmos de detección de outliers para prevenir el fracaso escolar(2024) Arbizu Castillón, Iranzu; Urío Larrea, Asier; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEn este proyecto, se comparan seis algoritmos: K-means, DBSCAN, One-Class SVM, Isolation Forest y HBMO, para la detección de outliers en conjuntos de datos educativos. El objetivo es identificar a los alumnos en riesgo de fracaso escolar mediante la aplicación de estos algoritmos en datos preprocesados. Evaluamos cada algoritmo en términos de precisión, recall, F1 score y tiempo de ejecución para determinar el más eficaz y eficiente. Este estudio busca proporcionar una herramienta que ayude a educadores a intervenir tempranamente, mejorando las oportunidades académicas y reduciendo las tasas de fracaso escolar.Publication Open Access Comparación de métodos de clasificación de texto en euskera(2024) Agesta Pérez-Ilzarbe, Ibai; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEn el marco del procesamiento del lenguaje natural, se realizan diferentes técnicas de preprocesado de texto y se utilizan modelos clásicos de Aprendizaje Automático y modelos de Aprendizaje Profundo para comparar sus rendimientos en un conjunto de datos que trata de clasificar textos en euskera en diferentes categorías. Después, se trata de analizar y comparar los diferentes métodos de preprocesado y de clasificación, así como sus respectivos parámetros para estudiar cómo se comportan estos algoritmos en un idioma distinto al que se usó en la creación de los modelos.Publication Open Access Comparativa de técnicas de extracción de características de texto para la detección de Fake News(2022) Amatriain García, Alejandro; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEn la actualidad, la divulgación de noticias falsas es una estrategia de manipulación a la sociedad, que repercute en la visión y opinión que esta se forja respecto a diversos temas. En el ámbito del procesamiento del lenguaje natural el proceso de distinción entre una noticia real y una falsa comenzaría por definir una estructura de cómo se caracteriza el contenido de un texto, para después, conforme a esa estructura, encontrar los patrones y/o tendencias que se dan en un tipo de noticia falsa y una real (tendencias que serán detectadas a partir de aplicar dicha estructura a un conjunto de fake news y a otro conjunto de noticias verdaderas que disponemos, conjuntos que llamaremos de entrenamiento o train). A estas estructuras se les llama Técnicas de extracción de características. Forman parte del proceso de aprendizaje automático. El trabajo consistirá en aplicar y comprobar la eficiencia de varias de ellas. En el presente trabajo abordaremos cuatro técnicas: Bag of Words TF-IDF, GloVe, Word2vec y FastText. La primera (TF-IDF) se trata de una técnica supervisada ya que se comienza por definir un vocabulario. Su forma de caracterizar un texto es dar pesos a los términos presentes en el texto que forman parte del vocabulario. Las otras tres pertenecen a la familia de Representación vectorial de palabras. Grosso modo, consisten en aprender un vector numérico para cada término del vocabulario para después agregar todos los vectores de los términos presentes. Dichos métodos aprenden por sí mismos el vector de características de cada palabra basándose en la idea de que los vectores de características de dos términos que aparecen juntos con mucha frecuencia, deben ser parecidos. Con estos métodos, el programador debe especificar únicamente el número de componentes del vector de características. Tras el proceso de entrenamiento, desconoceremos qué representa cada componente del vector, al contrario que con Bag of Words.Publication Open Access Comparing Bayesian statistical modelling with machine learning in spatio-temporal disease mapping(2023) Samper Ovejero, Diego; Ugarte Martínez, María Dolores; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaI have decided to embark on a new project to deepen my knowledge of Bayesian inference and space-time modelling. I am particularly interested in exploring the use of the Integrated Nested Laplace Approximation (INLA) methodology, which allows for fast and accurate approximations of posterior distributions, making it an ideal tool for analyzing large and complex datasets. Additionally, I plan to compare classical machine learning models such as Extreme Gradient Boosting or Random Forest and deep learning models such as Long-Short Term Memory (LSTM) or Bayesian Neural Network (BNN) with Bayesian statistical models fitted with INLA to determine their strengths and weaknesses. By identifying which modelling approach is best suited for different types of datasets and analysis tasks, I aim to become a more versatile data analyst. To these ends, we first introduce the theoretical framework explaining the concepts of Bayesian inference, classical machine learning and deep learning in Chapter 2. In Chapter 3, we perform an exploratory data analysis to gain a better understanding of the problem we are facing. Subsequently, rate modelling is presented in Chapter 4, where we outline the advantages and drawbacks of each method. We end this work in Chapter 5 with the conclusions and ideas on further work.Publication Embargo Desarrollo de un detector termográfico de personas para su aplicación en maquinaria(2023) Barbado Cano, Aitor; Bernardini, Ángela; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste trabajo trata acerca de crear un modelo general capaz de detectar personas en imágenes térmicas mediante el reentrenamiento del algoritmo de aprendizaje profundo YOLO. Se ha creado una base de datos donde incluyen imágenes térmicas descargadas desde un repositorio y capturadas mediante una cámara propia. Se han explorado diversas técnicas, como métodos de etiquetado estableciendo estándares para futuros trabajos y se aplicaron métodos de data augmentation, para mejorar el rendimiento del modelo. Sin embargo, al probar el modelo en un sensor diferente a los empleados en el entrenamiento, surgieron limitaciones. Estas han podido ser debido a la resolución de imagen y sensibilidad térmica del nuevo sensor. Como solución, se determinó la necesidad de realizar un nuevo reentrenamiento con imágenes del nuevo sensor para mejorar la precisión del modelo y adaptarlo a las características específicas. Este estudio destaca la importancia de una base de datos diversa, la consideración de las limitaciones de los sensores y la aplicación de técnicas de mejora del rendimiento para lograr una detección más precisa de personas en imágenes térmicas en diversos escenarios.Publication Open Access Energía undimotriz: estudio del potencial ibérico mediante técnicas multivariantes y clasificación no supervisada(2023) Montoya Moreno, Nerea; Gastón Romeo, Martín; Frías Paredes, Laura; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste Trabajo de Fin de Grado tiene como objetivo estudiar el potencial de la Energía Undimotriz en la región ibérica. Se analizan variables clave como la altura y el periodo de las olas para caracterizar el potencial energético y buscar patrones energéticos en diferentes temporadas o niveles de energía. Estos patrones permiten identificar días con diferentes capacidades de aprovechamiento, proporcionando información valiosa para el desarrollo de proyectos de generación de energía undimotriz. Los hallazgos derivados de la representación visual en forma de mapas proporcionan una perspectiva única sobre las diferencias en el potencial energético entre los diferentes sitios de la región. En conclusión, este estudio aporta conocimientos fundamentales para la identificación y aprovechamiento de patrones energéticos en el contexto de la Energía Undimotriz, fomentando así la transición hacia un sistema energético más sostenible y diversificado.Publication Open Access Estudio de la decodificación de proteínas con fines predictivos(2023) Sanz Delgado, Irati; Moler Cuiral, José Antonio; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste estudio se enfoca en investigar el potencial predictivo de diversas decodificaciones de secuencias proteicas en relación con caracteríticas determinantes para la idoneidad de las proteínas en estudios clínicos. Además de analizar las secuencias proteicas, se abordan aspectos como la actividad de las proteínas mediante un problema de clasificación binaria, utilizando datos suministrados por Telum Therapeutics S.L. Se emplearon cinco decodificaciones del paquete protp de R Studio y se exploraron diversos modelos predictivos, incluyendo Random Forest, SVM Radial y Gradient Boosting como enfoques de aprendizaje automático, y Regresión Logística como un enfoque estadístico. Los resultados destacan que las decodificaciones de menor dimensionalidad demostraron un rendimiento superior, independientemente del modelo utilizado. Sin embargo, se observó que no existe un modelo universalmente efectivo para todos los problemas planteados. Se sugiere que un aumento en el tamaño de la muestra podría proporcionar un respaldo sólido para ciertos resultados, como el mayor rendimiento de la decodificación basada en la composición en la predicción de la actividad de las proteínas, en comparación con los datos experimentales proporcionados por Telum. Este enfoque podría resultar en un ahorro significativo de tiempo y recursos en términos de la cantidad de experimentos necesarios para determinar la actividad de las proteínas.Publication Embargo Estudio sobre el uso de Transformers para la detección de fallos: comparativa frente al uso de redes neuronales convolucionales por parches.(2023) Garayoa Casado, Alejandro; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste TFG se centra en la detección de fallos en imágenes mediante el uso de modelos de aprendizaje profundo. Se estudia la eficacia de los Transformers y las redes neuronales convolucionales por parches en la detección de fallos en imágenes y se propone una modificación del Vision Transformer para obtener predicciones por parches en lugar de por imágenes completas. El estudio se basa en la evaluación experimental de los modelos propuestos y su comparación con otros modelos ya existentes. Los resultados obtenidos pueden tener implicaciones prácticas en la industria, como en la detección de fallos en piezas de maquinaria, inspección de calidad, entre otros.Publication Open Access Estudio sobre un sistema de recomendación avanzado: aprendizaje colaborativo de métricas.(2023) Canta Belategui, María; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaUn Sistema de Recomendación es una herramienta tecnológica que permite a los usuarios seleccionar los elementos más adecuados entre una amplia variedad de opciones. A través del análisis de patrones y comportamientos, estos sistemas son capaces de detectar las necesidades y preferencias de cada cliente de forma individualizada y ofrecer recomendaciones que se ajusten a sus gustos y preferencias. Inicialmente, los Sistemas de Recomendación clásicos fundamentaban sus bases en preferencias anteriores del usuario o en gustos de usuarios similares. A medida que la incipiente sobrecarga de información ha ido creciendo, se han adoptado numerosos enfoques para solucionar los problemas asociados a estas técnicas y se han desarrollado una amplia variedad de algoritmos para mejorar la precisión y diversidad de las recomendaciones. En este escrito, se realiza una revisión exhaustiva de la literatura existente, con el fin de identificar los conceptos y las ideas clave. Asumiendo las limitaciones de los diseños clásicos, se propone una métrica de recomendación avanzada, Aprendizaje Métrico Colaborativo, que considere no solo la precisión, sino también la diversidad y novedad de las recomendaciones. Este algoritmo de recomendación mejorado es implementado y evaluado en el conjunto de datos MovieLens, demostrando su eficacia en la personalización de las recomendaciones y la mejora de la satisfacción del usuario.Publication Embargo Estudio y comparación de algoritmos de aprendizaje incremental de clases(2022) Alonso Beortegui, Alberto; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEl aprendizaje continuo, en aprendizaje automático, es la habilidad del modelo de aprender nuevas tareas, clases y/o nuevas distribuciones de los datos sin olvidar los conceptos aprendidos anteriormente. Debido a la naturaleza del entrenamiento de los modelos de aprendizaje automático, basado en gradientes, se da un fenómeno conocido como olvido catastrófico, es decir, el modelo tiende a olvidar abruptamente información previamente aprendida al adaptarse a nueva información. En este trabajo se realizará un estudio y comparación de los algoritmos del estado del arte de aprendizaje continuo en situaciones de llegada incremental de clases.Publication Embargo Machine learning techniques for enhance amplitude patterns from phased-arrays augmented with an holographic plate(2023) Aldea Esnaola, Mikel; Marzo Pérez, Asier; López-Amo Ocón, Manuel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaLas antenas en fase son un conjunto de transductores en los que las amplitudes y las fases de cada emisor se varían controladamente para alterar el patrón de presión acústica diseñado por los transductores. El control de estos transductores permite generar un patrón de amplitud deseado a una distancia determinada. La calidad de estos patrones se puede mejorar agregando una placa holográfica a una distancia intermedia entre los emisores y el objetivo. Aquí, se proponen nuevas técnicas que utilizan una arquitectura de red neuronal para calcular los parámetros de las antenas en fase y la placa holográfica necesarios para generar el patrón deseado.Publication Open Access Monitorización híper-temporal de olivos con imágenes áreas y deep learning(2022) Aguirre Eraso, Javier; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaLa monitorización de cultivos de gran extensión es de una gran utilidad para afrontar problemas como el cambio climático o el control de plagas. Sin embargo, se trata de una tarea altamente costosa y resulta inviable realizarla manualmente o con métodos tradicionales. Un ejemplo de ello es el conteo de olivos viejos (antigüedad mayor a 60 años) que desea realizar el gobierno de Navarra para la asignación de subvenciones. Por ello, el objetivo de este trabajo es abordar este problema concreto desde una perspectiva tecnológica en la que mediante el uso de la computación y las últimas técnicas de inteligencia artificial, se pueda monitorizar grandes olivares mediante imágenes aéreas híper-temporales y determinar qué olivos de los existentes en 2020 son viejos, cuales son replantados y cuales nuevos. Para lograr este objetivo, se he realizado un etiquetado manual de ciertos olivares para crear un conjunto de datos con el que entrenar una red neuronal convolucional que sea capaz de segmentar y detectar los olivos en las imágenes aéreas. A continuación, se ha construido una serie temporal para cada olivo con la segmentación obtenida por la red y mediante un algoritmo determinista, se ha clasificado cada serie temporal en “nuevo”, “viejo” o “replantado”.Publication Open Access Optimización exacta de calendarios de exámenes universitarios aplicado a la Universidad Pública de Navarra(2024) Esandi Erro, Mikel; Mallor Giménez, Fermín; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEl objetivo de este trabajo es desarrollar un modelo de optimización exacta de calendarios de exámenes, aplicado a la Escuela de Ingeniería de la Universidad Pública de Navarra. Se busca distribuir los exámenes de manera que los alumnos tengan el mayor tiempo posible de estudio entre evaluaciones, cumpliendo con una serie de requisitos establecidos por la escuela. Para ello, se propone una formulación matemática lineal que maximiza la distancia mínima entre exámenes del mismo curso y de cursos consecutivos. El modelo se implementa en Python, lee archivos Excel proporcionados por la escuela con la información sobre los exámenes a agendar, procesa estos datos, crea y resuelve el modelo mediante la API de CPLEX, y devuelve los resultados en una tabla Excel. De esta manera, el programa final permite tanto optimizar como automatizar el proceso de planificación, que actualmente se realiza de forma manual.Publication Embargo Predicción de la evolución a largo plazo de pacientes con psicosis(2022) Iriarte Iturgaiz, Nahia; Sanz Delgado, José Antonio; Gómez Fernández, Marisol; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola TeknikoaEste proyecto trata de caracterizar y predecir la evolución a largo plazo de la psicosis. Para ello se utilizarán datos del primer ingreso y otras variables relacionadas con la socio-demografía, variables funcionales y cognitivas proporcionadas por el servicio de salud mentar del HUN. 623 sujetos estuvieron dispuestos a participar en este estudio de los cuales 510 cumplieron los criterios de inclusión y 243 fueron seguidos con éxito. Para completar el objetivo se implementarán técnicas de preprocesamiento de datos, ya que se cuenta con un dataset incompleto, con variables relacionadas entre sí y se manejan distintos tipos de variables definidas en distintas escalas. Tras esta primera fase se ajustarán varios tipos de modelos para obtener predicciones de las variables que describen la evolución de cada paciente. Los modelos seleccionados variarán en función del tipo de variable a predecir, se trabajará resolviendo problemas de regresión, clasificación múltiple y clasificación simple.