Digital repository

Maestría en Ciencias de Datos

Permanent URI for this community

https://repositorio.uteq.edu.ec/handle/43000/7789

Browse

Browsing Maestría en Ciencias de Datos by Subject "Modelo predictivo"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Modelo predictivo de ciberataques en entornos de internet de las cosas
    (Quevedo: UTEQ, 2024) German Nelson, Arias Chevez; Emilio Rodrigo, Zhuma Mera
    La Ciencia de Datos permite, en entornos de Internet de las Cosas, detectar y prevenir ciberataques utilizando el poder de las técnicas de aprendizaje automático para encontrar de forma autónoma las mejores soluciones para resolver los problemas que afrontan los dispositivos frente a los ciberataques y vulnerabilidades que poseen. El conjunto de datos CICIOT2023 contiene registros de los distintos tipos de ciberataques dirigidos a dispositivos de Internet de las Cosas. El objetivo de la presente investigación es generar un modelo predictivo aplicando técnicas de aprendizaje automático para detectar ciberataques en entornos de Internet de las Cosas utilizando el conjunto de datos de CICIOT2023, en este trabajo se destaca la importancia que tienen los modelos de predicción para proteger los entornos de Internet de las Cosas y reducir vulnerabilidades mediante el uso de técnicas de aprendizaje automático y minería de datos. Se aplican algoritmos de clasificación, regresión de aprendizaje automático y técnicas de minería de datos con conjuntos de datos de entrenamiento y pruebas, para llevar a cabo el modelado predictivo de una variedad de ciberataques. Estos ataques se categorizan en siete familias: Distributed Denial of Service (DDoS), Denial-of-Service (DoS), Reconocimiento, ataques basados en la web, Fuerza Bruta, Spoofing y Mirai. Además, se pretenda utilizar algoritmos de visualización de datos para identificar patrones que influyan en la seguridad de los protocolos frente a los ciberataques. Los resultados de la investigación muestran la importancia de un modelo predictivo para mantener la seguridad de los dispositivos de IoT frente a las actividades de los ciberdelincuentes, y de esta manera proteger y reducir vulnerabilidades en entornos de Internet de las Cosas. El proyecto de investigación desarrollado puede resultar de gran utilidad para aquellas empresas especializadas en ciberseguridad.
  • Thumbnail Image
    ItemOpen Access
    Modelo predictivo de desnutrición infantil en el Ecuador: distrito zona 5
    (Quevedo: UTEQ, 2024) Carrión González, Angélica Neomí; Erazo Moreta, Orlando Ramiro
    En Ecuador, la desnutrición infantil se ha convertido en un desafío en el área de salud pública, marcando el desarrollo de los niños. Esta incidencia no solo afecta en lo físico sino también en lo cognitivo, emocional y social, siendo una desventaja para el ciclo de su vida. La implementación de programas sociales y el disponer de herramientas para combatir el aumento, la evaluación de factores y la predicción de la desnutrición infantil han sido un reto para las autoridades del país. Ante esta situación, este trabajo persigue disponer de un modelo que ayude en la predicción de la desnutrición infantil, centrándose en una zona concreta de Ecuador, la zona 5 (Santa Elena, Guayas, Los Ríos, Galápagos). Para ello, se empleó una base de datos otorgada por el Ministerio de Salud Pública que incluye registros de pacientes infantiles de 2021 y 2022. La recolección, unificación de datos, limpieza, tratamiento de valores perdidos y normalización de variables están entre las técnicas utilizadas en el estudio. Para disponer del modelo se utilizaron algoritmos de Aprendizaje Automático como regresión logística, Random Forest, K-Nearest Neighbors, Árbol de clasificación y XGBoost. Los resultados indican que XGBoost tiene la mayor precisión en la predicción de la desnutrición infantil. Los indicadores clave como edad, peso, talla e índice de masa corporal fueron identificados a través del análisis de los datos; estos son esenciales para evaluar el estado nutricional de los niños. El modelo obtenido ha demostrado ser una herramienta útil para identificar la desnutrición temprana, lo que ayudaría en la implementación de intervenciones preventivas y terapéuticas más efectivas