Desarrollo y optimización de un sistema de estimación del nivel UPDRS de un paciente de Parkinson a partir de grabaciones del habla
|
|
- Juana Naranjo Palma
- hace 6 años
- Vistas:
Transcripción
1 Desarrollo y optimización de un sistema de estimación del nivel UPDRS de un paciente de Parkinson a partir de grabaciones del habla Recio Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación Trabajo de Fin de Grado Tutor: Juan Manuel Montero Martínez
2 Índice Enfermedad de Parkinson Condiciones de experimentación Experimentos Conclusiones
3 Enfermedad de Parkinson Introducción Objetivos Datos Condiciones de experimentación Técnicas Greedy Desarrollo Software Evaluación Experimentos 5 groups 5 patients Leave Two-Half Speakers Out Leave Half Speaker Out Multipatient Experiment Conclusiones Conclusiones Líneas Futuras
4 Enfermedad de Parkinson Condiciones de experimentacio n Experimentos Conclusiones Introduccio n Introduccio n I I Se estima que afecta la vida cotidiana de un 0.1 % de la poblacio n. I El 80 % muestran algu n tipo de deterioro en la voz. Desarrollo y optimizacio n de un sistema de estimacio n del nivel UPDRS de un paciente de Parkinson a partir de grabaciones del habla Clara Jime nez
5 Introducción Introducción II Tratamiento de la voz El seguimiento progresivo del avance de esta enfermedad es costoso y requiere la presencia física del paciente. La realización de experimentos a partir de la voz aporta: Nuevo método rápido y no invasivo Monitorización y retroalimentación remota de los pacientes
6 Introducción Introducción III UPDRS (Unified Parkinson s Disease Rating Scale) Medida del grado de Parkinson para seguir el avance de la enfermedad. Pero el Parkinson no afecta solo a la voz! El valor de UPDRS está compuesto por varios factores estado mental y de ánimo, trastornos del sueño, temblores, estabilidad postural, etc. Solo uno de ellos muestra el deterioro en el lenguaje o locución del paciente Problema complejo (!!)
7 Objetivos Objetivos Desarrollo de experimentos con datos de grabaciones tomadas. Análisis exhaustivo de los datos y los resultados tras los experimentos realizados.
8 Datos Datos I Nivel de UPDRS 25 pacientes, 48 audios/paciente Valor medio UPDRS: Mujeres: Hombres: Varianza UPDRS: % entre 45 y 60
9 Datos Datos II Edad y Tiempo de Enfermedad 52 % entre los 60 y 70 años 44 % entre 5 y 10 años de periodo de enfermedad
10 Datos Datos III Hoehn&Yahr Escala que describe cómo avanzan los síntomas de la enfermedad de Parkinson estableciendo el estadio (1, 1.5, 2, 2.5, 3, 4, 5) en que se encuentra un paciente, de menor a mayor dependencia. 64 % de los pacientes se encuentran en el estadio 2 Baja varianza
11 Enfermedad de Parkinson Introducción Objetivos Datos Condiciones de experimentación Técnicas Greedy Desarrollo Software Evaluación Experimentos 5 groups 5 patients Leave Two-Half Speakers Out Leave Half Speaker Out Multipatient Experiment Conclusiones Conclusiones Líneas Futuras
12 Técnicas Greedy Técnicas Greedy I Objetivo: encontrar el algoritmo más apropiado para resolver nuestro problema y la configuración óptima de sus parámetros. Técnicas Greedy: realizar una serie de suposiciones previas, que pueden no ser ciertas, con intención de acotar el problema. Suposición inicial: independencia de los parámetros a optimizar.
13 Técnicas Greedy Técnicas Greedy II Se reduce el problema en gran medida, resultando el número de combinaciones a estudiar: m i=1 n i m n i (m 1) i=1 Con n i el número de valores posibles que toma el parámetro i y m el número de parámetros total a optimizar.
14 Desarrollo Software Desarrollo Software Python Desarrollo de software para la automatización de experimentos Cada experimento surge de la optimización de una sucesión de subexperimentos Técnicas Greedy para la búsqueda de la configuración óptima de parámetros de un algoritmo Rotación de los conjuntos de entrenamiento, validación y test Resultado como combinación de los subexperimentos
15 Evaluación Evaluación I Evaluación mediante toma de medidas de correlación: Coeficiente de correlación de Spearman ρ = 1 6 m i=1 (range(h(x i)) range(y i )) 2 m (m 2 1) Siendo m el número de instancias predichas, range(h(x i )) la posición del valor predicho para cada ejemplo tras ordenarlos y range(y i ) la posición real conocida y esperada sobre dicho valor tras ordenarlos.
16 Evaluación Evaluación II Ejemplo y h(x) = range(y) range(h(x)) = ρ = 0.543
17 Enfermedad de Parkinson Introducción Objetivos Datos Condiciones de experimentación Técnicas Greedy Desarrollo Software Evaluación Experimentos 5 groups 5 patients Leave Two-Half Speakers Out Leave Half Speaker Out Multipatient Experiment Conclusiones Conclusiones Líneas Futuras
18 5 groups 5 patients 5 groups 5 patients I Modelos entrenados con 20 pacientes y optimizados/evaluados con 5 pacientes Support Vector Regression (SVR) Validación cruzada y rotación Promedio para cada paciente Experimento utilizando todo el conjunto de audios Experimento utilizando los audios de vocales sostenidas
19 5 groups 5 patients 5 groups 5 patients II Trabajamos con otros algoritmos (Random Forest, ZeroR, Linear Regression, Simple Linear Regression) pero ninguno mejoró los resultados. Intento de predicción de Hoehn&Yahr descartado (baja varianza). Un 64 % de los pacientesen el estadio 2 Problema sesgado, ZeroR 64 % de acierto. Intento de predicción del componente del nivel UPDRS dependiente del lenguaje sin mejores resultados.
20 Leave Two-Half Speakers Out Leave Two-Half Speakers Out Modelos entrenados con 48 audios de 23 pacientes y optimizados/evaluados con audios de los 2 pacientes restantes SVR Validación cruzada y rotación Promedio para cada paciente Reducción de atributos Leave Two-Half Speakers Out Spearman Error relativo Media Varianza
21 Leave Half Speaker Out Leave Half Speaker Out I Modelos entrenados con 24 pacientes y optimizados/evaluados con el paciente restante
22 Leave Half Speaker Out Leave Half Speaker Out II SVR Validación cruzada y rotación Promedio para cada paciente Reducción de atributos Leave Half Speaker Out Spearman Error relativo Media Varianza
23 Multipatient Experiment Multipatient Experiment I Modelo global entrenado con audios de todos y optimizado y evaluado con audios de todos
24 Multipatient Experiment Multipatient Experiment II SVR Validación cruzada Promedio para cada paciente Reducción de atributos Multipatient Experiment Spearman Error relativo Media Varianza
25 Enfermedad de Parkinson Introducción Objetivos Datos Condiciones de experimentación Técnicas Greedy Desarrollo Software Evaluación Experimentos 5 groups 5 patients Leave Two-Half Speakers Out Leave Half Speaker Out Multipatient Experiment Conclusiones Conclusiones Líneas Futuras
26 Conclusiones Conclusiones Experimento baseline: Leave Half Speaker Out: Buenos resultados (0.516) sin presencia del paciente en el entrenamiento Predicciones de pacientes nuevos Multipatient Experiment: Resultados notablemente exitosos (0.8715) con modelo dependiente del paciente Progreso de la enfermedad de los pacientes conocidos
27 Líneas Futuras Líneas Futuras I Nuevas grabaciones de nuevos pacientes Modelo particular para cada paciente, entrenado con audios de todos menos de un paciente similar, optimizado con audios de ese paciente similar Spearman 0.516, error 54.1 %
28 Líneas Futuras Líneas Futuras II Nuevas grabaciones de pacientes conocidos Modelo global entrenado con audios de todos y optimizado con audios de todos Spearman , error 34.2 %
29 Gracias
Introducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesPROYECTO EDITORIAL TRASTORNOS DEL LENGUAJE. Serie GUÍAS TÉCNICAS. Director: Carlos Gallego
PROYECTO EDITORIAL TRASTORNOS DEL LENGUAJE Serie GUÍAS TÉCNICAS Director: Carlos Gallego Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo completo y comentado Diseño de cubierta:
Más detallesWhite paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por:
White paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por: Introducción Si pregunta a dos directores de recursos
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesMétodo de las Superficies de Respuesta
7 Método de las Superficies de Respuesta En este capítulo se analizará en qué consiste la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar un
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática - Curso 2 Pablo Candela Departamento de Matemáticas (despacho 212) Universidad Autónoma de Madrid pablo.candela@uam.es Introducción 1 / 8 Organización
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesExperto en Logopedia en la Enfermedad del Parkinson
Experto en Logopedia en la Enfermedad del Parkinson titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales Experto en Logopedia en la Enfermedad del Parkinson
Más detallesPE - Probabilidad y Estadística
Unidad responsable: 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona Unidad que imparte: 749 - MAT - Departamento de Matemáticas Curso: Titulación: 2016 GRADO EN INGENIERÍA
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesComparación de dos métodos de aprendizaje sobre el mismo problema
Comparación de dos métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.
Más detallesAprendizaje Automatizado. Árboles de Clasificación
Aprendizaje Automatizado Árboles de Clasificación Árboles de Clasificación Estudiaremos un algoritmo para la creación del árbol. Selección de atributos comenzando en el nodo raíz. Proceso recursivo. Árboles
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesCONTROL POR COMPUTADOR
CUARTO CURSO INGENIERO DE TELECOMUNICACION Plan de la Asignatura CONTROL POR COMPUTADOR CURSO 2007-08 Departamento de Ingeniería de Sistemas y Automática A) PROFESORADO José Ramiro Martínez de Dios (Responsable)
Más detallesEstadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesANÁLISIS DE DATOS. Jesús García Herrero
ANÁLISIS DE DATOS Jesús García Herrero ANALISIS DE DATOS EJERCICIOS Una empresa de seguros de automóviles quiere utilizar los datos sobre sus clientes para obtener reglas útiles que permita clasificar
Más detallesDiseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio
Diseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio PROYECTO FIN DE CARRERA Ingeniería de Telecomunicación Autor: Guillermo Iglesias García Director:
Más detallesVIII Jornadas de Usuarios de R
VIII Jornadas de Usuarios de R Análisis del Abandono en el Sector Bancario Predicción del abandono de clientes Albacete, 17 de Noviembre de 2016 I. INDICE : Modelo Abandonos I. COMPRENSIÓN DEL NEGOCIO
Más detallesPARKINSON. Controlando la Enfermedad de Parkinson
PARKINSON Controlando la Enfermedad de Parkinson 1 Qué es el wearing-off (deterioro de fin de dosis)? La enfermedad de Parkinson (EP) es una enfermedad lentamente progresiva, cuyos síntomas empeoran con
Más detallesMonitorización continua las 24 Horas del día Capacidad de operar en redes de área extensa, a través de diferentes vías de comunicación
1.0 Introducción Hoy en día es difícil imaginar una actividad productiva sin el apoyo de un computador o de una máquina, en la actualidad estas herramientas no sólo están al servicio de intereses económicos,
Más detallesPráctica 5: Clasificación con número variable de ejemplos.
5º INGENIERÍA DE TELECOMUNICACIÓN INTELIGENCIA ARTIFICIAL Y RECONOCIMIENTO DE PATRONES Práctica 5: Clasificación con número variable de ejemplos. Objetivos: Utilización de conjuntos de entrenamiento y
Más detallesAplicaciones del Análisis estadístico multivariado - Ejercicios Clase EJERCICIOS CLASE 6. Arboles de Regresión
EJERCICIOS CLASE 6 Arboles de Regresión Ejercicio 1 - Presentación de datos Página 2 Ejercicio 1 - Consignas Página 2 Ejercicio 1 - Respuestas Página 3 Ejercicio 1 - Pasos en Infostat Página 4 Ejercicio
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesMétodos estadísticos aplicados para la Ingeniería Informática
Grado en Ingeniería Informática Métodos estadísticos aplicados para la Ingeniería Informática Rosa Mª Alcover Arándiga Departamento de Estadística e Investigación Operativa Aplicadas y Calidad Objetivo
Más detallesPRINCIPIOS DE PSICOMETRÍA
PRINCIPIOS DE PSICOMETRÍA Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo completo y comentado PRINCIPIOS DE PSICOMETRÍA CARMEN SANTISTEBAN REQUENA EDITORIAL SINTESIS Diseño
Más detallesFondef D11I1009: Sistema de Auto Soporte para el Mejoramiento de las Prácticas Docentes. Pablo Dartnell Villarrica, Chile
Fondef D11I1009: Sistema de Auto Soporte para el Mejoramiento de las Prácticas Docentes Pablo Dartnell Villarrica, Chile PRESENTACIÓN DEL PROBLEMA Existe la percepción (errada) de que la práctica docente
Más detallesANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
Más detallesDeterminación de la Capacidad de Mejora del Proceso de Software. Integrantes: Marisol Padilla Bautista Artemio Pérez Villa Manuel Lara
Determinación de la Capacidad de Mejora del Proceso de Software Integrantes: Marisol Padilla Bautista Artemio Pérez Villa Manuel Lara ISO 15504 es una norma internacional para establecer y mejorar la capacidad
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesPROGRAMA 6ª ED. CURSO ECG-ESTIMULACIÓN COGNITIVA GLOBAL EN PACIENTES CON DEMENCIA EN FASE LEVE, MODERADA O SEVERA
PROGRAMA 6ª ED. CURSO ECG-ESTIMULACIÓN COGNITIVA GLOBAL EN PACIENTES CON DEMENCIA EN FASE LEVE, MODERADA O SEVERA TEMA 1: CONCEPTOS BÁSICOS DEL ENVEJECIMIENTO NORMAL. DETERIORO COGNITIVO LEVE. FASE PRODRÓMICA
Más detallesJuegos Interactivos para la Rehabilitación Fonatoria
Juegos Interactivos para la Rehabilitación Fonatoria Autores: Ing. Eduardo González Moreira MSc.. Carlos Ariel Ferrer Riesgo Dra. María E. Hernández Díaz-Huici Ing. Eric Lisandro Acao Centro de Estudios
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesA: Broca B: velocidad A B AB Vibración Totales 1/ ,2 18,9 12,9 14,4 64,4 = (1) 1/ ,2 24,0 22,4 22,5 96,1 = a
LORTORIO 8 - LORTORIO INFORMÁTICO Caso. Interesa estudiar el efecto del tamaño de broca (factor ) y de la velocidad (factor ) sobre la vibración de la ranuradora (respuesta Y). Para ello se decide utilizar
Más detallesPrecisión del Modelo
Precisión del Modelo Gráficas, estadística y minería de datos con python Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesMODELOS DE REGRESIÓN
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. MODELOS DE REGRESIÓN
Más detallesRandom Forests. Teoría y ejemplos. Romain Gouron. Conferencia 9, GLAM, Doble titulo Ecole Centrale de Nantes (Francia)
Teoría y ejemplos 1 1 Departamiento de Ingenería Matemática Doble titulo Ecole Centrale de Nantes (Francia) Conferencia 9, GLAM, 2016 Outline 1 Árboles de decisión Construcción 2 3 Rotation forest Gradient
Más detallesAUDITORÍA SUPERIOR DEL ESTADO PROGRAMA OPERATIVO ANUAL 2016 PROGRAMA DE TRABAJO
1. Elaborar el Programa de Trabajo o 2017 del área y someter a consideración del Auditor Superior las adecuaciones y modificaciones correspondientes. 2. Estudiar y proponer mejoras en tecnología de información
Más detallesPrograma Internacional. Programa Certificado en. Big Data
Programa Internacional Programa Certificado en Big Data A1 Introducción La revolución del Mundo Digital ha permitido que las personas encuentren un gran sinnúmero de información, en el cual el problema
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesRECONOCIMIENTO DE PAUTAS
RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes
Más detallesAdministración y Seguimiento al Control de Proyectos con Microsoft Project
Administración y Seguimiento al Control de Proyectos con Microsoft Project 2010-2013 Este taller presencial de tres días proporciona a los participantes los conocimientos y habilidades de planear y administración
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesIntel lanza su procesador Caballero Medieval habilitado para Inteligencia Artificial
Intel lanza su procesador Caballero Medieval habilitado para Inteligencia Artificial Intel ha lanzado su procesador Xeon Phi en la Conferencia Internacional de Supercomputación de Alemania. El procesador
Más detallesIngeniería Aplicada. Álgebra Lineal 6. Estructura y Propiedades de los Materiales 3. Expresión Oral y Escrita I 5. Física 4
ART. 17 BIS F, INFORMACIÓN DIFERENCIADA PARA INSTITUCIONES DE EDUCACIÓN SUPERIOR I. PLANES Y PROGRAMAS DE ESTUDIO X PROGRAMA Área de conocimiento Pefil profesional de quien cursa Ingeniería Aplicada Plantear
Más detallesFICHA PÚBLICA DEL PROYECTO
NUMERO DE PROYECTO: 219320 EMPRESA BENEFICIADA: TELEPARTNER S. DE R.L. MI TÍTULO DEL PROYECTO: MODELO OPERATIVO INTEGRAL PARA LA GESTIÓN DE CLÍNICAS BASADO EN ÓRDENES MÉDICAS OBJETIVO DEL PROYECTO: El
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesMatemáticas 3º ESO. CRITERIOS EVALUACIÓN (Orden 9 de mayo de 2007)
Matemáticas 3º ESO CRITERIOS EVALUACIÓN (Orden 9 de mayo de 2007) C1. Identificar y utilizar los distintos tipos de números, sus operaciones y propiedades, para recoger, transformar e intercambiar información
Más detallesTEST DE BARCELONA MARISOL OLAYA & DANIEL CÁRDENAS
TEST DE BARCELONA TEST DE BARCELONA Es un instrumento neuropsicométrico desarrollado para evaluar cuantitativamente el estado cognitivo. TEST DE BARCELONA FUNCIONES QUE EVALUA -Orientación - Lenguaje -Lectura
Más detallesUnidad 0. Recuerdo que
DE CUARTO CUARTO CURSO Unidad 0. Recuerdo que 1. Distinguir y explicar algunas de las funciones que cumple la música en la vida de las personas, en la sociedad en general, y en la canaria en particular
Más detallesDIPLOMADO EN ESTADÍSTICA APLICADA
DIPLOMADO EN ESTADÍSTICA APLICADA DIPLOMADO EN ESTADÍSTICA APLICADA FUNDAMENTACIÓN El Diplomado en Estadística Aplicada posibilitará la actualización profesional y el desarrollo de competencias específicas
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Diseño de experimentos y modelos de regresion. CURSO ACADÉMICO - SEMESTRE Segundo semestre
ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Diseño de experimentos y modelos de regresion CURSO ACADÉMICO - SEMESTRE 2015-16 - Segundo semestre GA_05TI_55000020_2S_2015-16 Datos Descriptivos Nombre
Más detallesCoeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla
Coeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla Jorge Luis Guevara Diaz Semana ciencia de la Computación Escuela de Informática Universidad Nacional
Más detallesLa tomografía computerizada como herramienta para caracterizar y optimizar los procesos alimentarios
La tomografía computerizada como herramienta para caracterizar y optimizar los procesos alimentarios Expertos del IRTA, Instituto de investigación de la Generalitat de Catalunya, nos hablan en este artículo
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de tecnologías de información
Más detallesMATEMÁTICAS I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto de los bloques. Resolución de
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesGrado en ESTADÍSTICA APLICADA 258 ECTS
MATERIAS BÁSICAS (60 ECTS) Obligatorio 1.- Descripción y Exploración de datos (ESTADÍSTICA - RAMA) 2.- Azar y probabilidad (ESTADÍSTICA - RAMA) 3.- Estimación I (OB) (ESTADÍSTICA - RAMA) 4.- Software estadístico
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Aplicada 2. Competencias Dirigir proyectos de tecnologías de información (T.I.) para contribuir a
Más detallesLa filosofía de trabajo de AIC es compartir con sus clientes el éxito del impacto en los resultados comerciales.
Es una Consultora especializada en obtener mejoras en los resultados comerciales. La misión de AIC es que cada proyecto deje una huella en sus clientes. Para poder lograrlo cuenta con Profesionales con
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesMonitorización de la calidad de señal en redes móviles basada en Android
Monitorización de la calidad de señal en redes móviles basada en Android Proyecto Fin de Carrera Autor: Daniel Delgado Vico Tutor: Jaime José García Reinoso Ingeniería de Telecomunicación Universidad Carlos
Más detallesCASO 5-3 MILAN FOOD COOPERATIVE (B)
CASO 5-3 MILAN FOOD COOPERATIVE (B) INTRODUCCIÓN Éste es una continuación del caso Milan Food Cooperative (A), de la parte 4 del texto. Aquí se presentan los resultados del análisis de correlación y regresión
Más detallesTECNOLOGIAS DE LA VOZ
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA Y COMUNICACIONES CENTRO POLITÉCNICO SUPERIOR UNIVERSIDAD DE ZARAGOZA TECNOLOGIAS DE LA VOZ 5000 0-5000 señal original 200 250 300 350 Señal sintetizada 10000 5000
Más detallesINSTITUTO DE INGENIERÍA DEL AGUA Y MEDIO AMBIENTE
GRUPO DE REDES HIDRÁULICAS Y SISTEMAS A PRESIÓN (REDHISP) INSTITUTO DE INGENIERÍA DEL AGUA Y MEDIO AMBIENTE Gestión eficiente el suministro de agua en redes de abastecimiento y Ayuda a la Toma de Decisiones
Más detallesColección de Tesis Digitales Universidad de las Américas Puebla. Romero Martínez, Modesto
1 Colección de Tesis Digitales Universidad de las Américas Puebla Romero Martínez, Modesto El procesamiento de consultas en un sistema multibase de datos es la pieza mas importante para la operación del
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número
Más detalles1.-DATOS DE LA ASIGNATURA
1.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Minería de Datos Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: ADM-0701 Horas teoría-horas práctica-créditos: 3-2-8 2.-HISTORIA
Más detallesComputación Evolutiva Algoritmos Genéticos
Computación Evolutiva Algoritmos Genéticos Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Hace 200 años... Inteligencia Computacional - FICH - UNL La idea de que las especies
Más detallesLos Buenos y los Malos para las transferencias de nicho ecológico
Los Buenos y los Malos para las transferencias de nicho ecológico Angela Patricia Cuervo Robayo Enrique Martínez-Meyer Adolfo Navarro Richard Pearson E Cómo funcionan? Introducción general G Aplicaciones
Más detallesFacultad de Ciencias e Ingeniería. Escuela Académico Profesional de Comunicación SÍLABO
Facultad de Ciencias e Ingeniería Escuela Académico Profesional de Comunicación SÍLABO ASIGNATURA: ESTADÍSTICA APLICADA A LAS COMUNICIONES I. DATOS GENERALES: 1.1. Código de Asignatura : 21252 1.2. Escuela
Más detallesEXPERIMENTOS PRELIMINARES DE VERIFICACIÓN DE LOCUTORES CON UNA BASE DE DATOS REALISTA
EXPERIMENTOS PRELIMINARES DE VERIFICACIÓN DE LOCUTORES CON UNA BASE DE DATOS REALISTA José Antonio Rubio García, José Manuel Pardo Muñoz, Ricardo de Córdoba Herralde, Javier Macías Guarasa Grupo de Tecnología
Más detallesAgenda. Sistemas Concurrentes. Areas de trabajo Trabajos recientes realizados por el grupo. Cursos Trabajos Tutelados. Información de Contacto
Agenda Areas de trabajo Trabajos recientes realizados por el grupo. Cursos Trabajos Tutelados. Información de Contacto Areas de Trabajo Control de Recursos, Seguridad Tiempo Real y Empotrados Fiabilidad
Más detallesARBOLES DE DECISION. Miguel Cárdenas-Montes. 1 Introducción. Objetivos: Entender como funcionan los algoritmos basados en árboles de decisión.
ARBOLES DE DECISION Miguel Cárdenas-Montes Los árboles de decisión son estructuras lógicas con amplia utilización en la toma de decisión, la predicción y la minería de datos. Objetivos: Entender como funcionan
Más detallesBig Data & Machine Learning. MSc. Ing. Máximo Gurméndez Universidad de Montevideo
Big Data & Machine Learning MSc. Ing. Máximo Gurméndez Universidad de Montevideo Qué es Big Data? Qué es Machine Learning? Qué es Data Science? Ejemplo: Predecir origen de artículos QUÉ DIARIO LO ESCRIBIÓ?
Más detallesGrado en Ingeniería Informática. Plan de proyecto. Desarrollo de Sistemas de Información Corporativos. Departamento de Informática
Grado en Ingeniería Informática Plan de proyecto Desarrollo de Sistemas de Información Corporativos Departamento de Informática Propósito El plan del proyecto software abarca todas las herramientas de
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesEstimación de Máxima Verosimilitud Utilizando la Función optim en R
Estimación de Máxima Verosimilitud Utilizando la Función optim en R Juan F. Olivares-Pacheco * 15 de diciembre de 2006 Resumen En este trabajo se muestra el método de verosimilitud para la estimación de
Más detallesPPE - Probabilidad y Procesos Estocásticos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 749 - MAT - Departamento
Más detallesINDICE Parte I. Holismo e investigación Capitulo 1. Capitulo 2. Parte II. Holopraxis de la investigación y proceso metodológico Capitulo 3.
INDICE Parte I. Holismo e investigación 1 Capitulo 1. Los paradigmas en investigación 3 1.1. El concepto de paradigma 3 1.2. Los paradigmas de la investigación de finales del siglo XX 4 Capitulo 2. La
Más detallesAprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo
2012 Aprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo Iván López Espejo 22/04/2012 2 Aprendizaje para Clasificación con Factorización Matricial Basado
Más detallesSyllabus. Curso:SEXTO. Materia:ESTUDIOS MATEMÁTICOS
Syllabus Curso:SEXTO Materia:ESTUDIOS MATEMÁTICOS Descripción del curso: Esta asignatura está destinada a estudiantes con distintas capacidades y niveles de conocimiento, con el objeto de infundir seguridad
Más detallesSISTEMA DE MEDICIÓN DEL RIESGO CARDIOVASCULAR
SISTEMA DE MEDICIÓN DEL RIESGO CARDIOVASCULAR REGENCY MEDICAL RESEARCH VARIABILIDAD DEL RITMO CARDIACO-6 Sistema basado en la técnica de análisis de la Variabilidad del Ritmo Cardiaco, diseñado para realizar
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesTEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS
TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS 1 Riesgo e incertidumbre en proyectos mineros Cuantificación de factores de riesgo e incertidumbre Análisis Probabilístico La necesidad surge porque
Más detallesFiabilidad y variabilidad
Fiabilidad y variabilidad El coeficiente de fiabilidad de un test se ve afectado por la variabilidad de la muestra. Un test tiende a manifestar un coeficiente de fiabilidad mayor cuanto mayor sea su variabilidad.
Más detallesUNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS PROGRAMA ANALÍTICO DE LA ASIGNATURA: PROBABILIDAD Y ESTADISTICA RES. 251/96 F.R.R. COORDINADOR: RAÚL DAVID KATZ
Más detalles