Herramienta web interactiva para análisis de modelos de machine learning con variables de calidad de vida en países Latinoamericanos
El presente proyecto propone el desarrollo de una herramienta web interactiva creada en lenguaje R con la librería Shiny y desplegada en la web mediante la plataforma shinyapps.io, orientada al análisis estadístico, visualización de datos y la construcción de modelos de machine learning a partir de...
- Autores:
-
Tique Ramírez, Mary Anyiseth
Ramírez Barreto, Diego Andrés
Mendivelso Velandia, Juan David
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Cundinamarca
- Repositorio:
- Repositorio UdeC
- Idioma:
- OAI Identifier:
- oai:repositorio.cun.edu.co:cun/11235
- Acceso en línea:
- https://repositorio.cun.edu.co/handle/cun/11235
- Palabra clave:
- Administración educativa
Desarrollo social
Estudio de casos
Calidad de vida
Analítica de datos
Aprendizaje automático
Visualización interactiva
Modelos predictivos
- Rights
- openAccess
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
| Summary: | El presente proyecto propone el desarrollo de una herramienta web interactiva creada en lenguaje R con la librería Shiny y desplegada en la web mediante la plataforma shinyapps.io, orientada al análisis estadístico, visualización de datos y la construcción de modelos de machine learning a partir de variables relacionadas con la calidad de vida en países latinoamericanos. Esta herramienta facilita la comprensión de conceptos estadísticos y predictivos a través de visualizaciones interactivas, permitiendo a usuarios sin formación técnica ni conocimientos en estadística, explorar indicadores clave como salud, educación, ingreso per cápita y acceso a servicios básicos. La metodología empleada parte del enfoque explicativo-predictivo, usando datos históricos obtenidos desde la API del Banco Mundial. El proceso incluye el análisis exploratorio de datos (EDA), visualización de series de tiempo y entrenamiento de modelos supervisados como regresión lineal múltiple, KNN, Random Forest y redes neuronales. La herramienta busca promover la alfabetización en datos, actuando como recurso pedagógico en contextos académicos. Los resultados esperados incluyen una interfaz intuitiva, fácil de usar y de acceso público, así como también visualizaciones con datos actualizados y precisos para así contribuir a la reducción de la brecha de alfabetización de datos por parte de los usuarios interesados. |
|---|