1. Resumen del trabajo
EL propósito del artículo es realizar el análisis de cluster de los fallecidos por COVID-19 utilizando el modelo K-means y el software Weka de versión 3.8.4.

2. Descripción del dataset

El conjunto de datos publicado corresponde UUID, Fecha de corte, Fecha de Fallecimiento, Sexo, Edad,Departamento, Provincia y Distrito. La fuente es del repositorio del gobierno https://www.datosabiertos.gob.pe/datase ... alud-minsa.
Se tiene que eliminar los datos innecesarios para el análisis como son: UUID, Fecha de corte, Fecha de Fallecimiento, Provincia y Distrito.

Hallando el numero de clusteres
Convirtiendo a números las columnas:
Utilizando RStudio y Elbow method para hallar el número de clusteres
Utilizando RStudio y silhoutte para hallar el número de clusteres
3. Descripción de los resultados

Haciendo uso del weka y el modelo K-means

con 4 clusteres con 9 clusteres

4.Conclusion
Se puede observar clusteres con centroides de edades de 66 y Hombres ,53 Hombres , 75 Hombres y 67 Mujer

5.Repositorio Github
https://github.com/FranzWilder/troomes

Resumen del Trabajo
El propósito de este trabajo es determinar el mejor modelo que se debería utilizar para el dataset de Casos positivos por COVID-19 del MINSA de fecha de 15 de Enero de 2021. Son alrededor de 1048662 de registros almacenados en el archivo que brinda el repositorio de datos del gobierno (https://www.datosabiertos.gob.pe). En este articulo se utiliza el software WEKA y los modelos J48, Random Forest, Redes Bayesianas y SVM.

Descripción del dataset
Los datos corresponden al total de casos que dieron positivo al COVID – 19, por departamento, provincia y distrito. Son datos que se actualizan diariamente, y al momento de la realización de este articulo existen 1048662 registros.
Las columnas del dataset son :
FECHA_CORTE, UUID, DEPARTAMENTO, PROVINCIA, DISTRITO, METODODX, EDAD, SEXO, FECHA_RESULTADO Eliminando las columnas que no ayudan al modelo: FECHA_CORTE, UUID, PROVINCIA, DISTRITO y FECHA_RESULTADO. Descripción de los datos obtenidos

Aplicando el modelo J48 se obtiene:
Aplicando el modelo Random Forest se obtiene:
Aplicando el modelo de Redes Bayesianas se obtiene:

Conclusión
Según los resultados obtenidos anteriormente se puede concluir que el mejor modelo para este dataset es el J48 con una precisión del 53.7818%, sin embargo los otros modelos utilizados tienen un porcentaje de clasificación muy parecido.

¿Qué lenguaje deberías aprender?
Un lenguaje con muchas bibliotecas de machine learning y deep learning, que tenga una gran comunidad de programadores y un buen rendimiento en tiempo de ejecución.

Python
El más usado y se está apostando por la versión 3 de Python

Video de iniciación


C++
Si necesitamos un mejor rendimiento sobre todo para deep learning, C es el indicado.

Si siempre quisiste profundizar en C++, ahora es el momento


JAVA
Una gran opción para el desarrollo de aplicaciones de IA debido a su gran cantidad de bibliotecas disponibles para cualquier necesidad, ya sea procesamiento de lenguaje natural, operaciones de tensor o una pila completa de deep learning acelerado.

Tutorial en ingles

JavaScript
TensorFlowJS de Google sigue mejorando y nos ofrece implementar TensorFlow en el navegador. El canal oficial en Youtube publica un acercamiento a TensowFlow con Javascript (3 videos)







Lenguaje R
R es el lenguaje que aman los científicos de datos. Sin embargo, el resto de programadores a menudo encuentran a R un poco confuso, debido a su enfoque centrado en el dataframe. Si tiene un grupo dedicado de desarrolladores de R, podría tener sentido usar sus integraciones con TensorFlow, Keras o H2O para investigar, crear prototipos y experimentar.

PDF en Ingles


Los detalles del listado dando clic aqui

La expresión génica es el proceso mediante el cual los microorganismos transforman la información codificada por los ácidos nucleicos en las proteínas necesarias para su desarrollo. Esta información en grandes cantidades puede revelar patrones utilizando redes neuronales, y así descubrir genes relacionados con enfermedades.
Investigadores de la Universidad de Linköping utilizaron una gran base de datos con información sin clasificar sobre los patrones de expresión de 20000 genes en una gran cantidad de personas. Según los investigadores encontraron en la primera capa oculta interacciones entre entre varias proteinas, y en el tercer nivel grupos de diferentes tipos de celulas.



Puedes leer el artículo(ingles) de la misma universidad dando clic aqui

El motor de visión permite comprender el entorno a través de la visión por ordenador. La startup London Scape Technologies esta desarrollando un motor de visión que pueda se usado por dispositivos con cámara. En el vídeo que muestra en su web SCAPE se observa el reconocimiento del entorno.



Después del reconocimiento de el motor de visión, este construye y hace referencia a mapas 3D, para luego, el servicio de posicionamiento visual entre en acción y determine la posición precisa del dispositivo con cámara.

El 75% de la compañía fue vendida a Facebook por 40 millones de dolares. Además, señalan que esta nueva tecnología será integrada en las ya existentes dentro de las entrañas de Facebook, que ya cuentan con su tecnología de inteligencia artificial y realidad virtual.

Pueden acceder al articulo completo aquí
Pueden visitar la web del startup aqui

06 de febrero de 2020, China, Wuhan: los trabajadores arreglan las camas de un hospital de emergencia con 2000 camas, que entran en servicio en medio de los esfuerzos para frenar la propagación del coronavirus en Wuhan, zona cero para el brote de coronavirus.

Las autoridades chinas están usando robots con inteligencia artificial en la lucha contra la epidemia del nuevo coronavirus, con el fin de reducir los riesgos de infecciones cruzadas y mejorar la eficiencia. Por ejemplo, el hospital provincial de Guangdong, en el sur de China, tiene dos robots para entregar materiales en las áreas en cuarentena, según su director, Yu Xueqing.



Mediante el uso de la tecnología de conducción no tripulada, los robots pueden identificar y leer mapas de forma independiente, planificar rutas y completar la distribución punto a punto. Estos dispositivos han sido los principales responsables de entregar medicinas, comida, ropa y desechos médicos. En el proceso de entrega, no hay necesidad de personal, reduciendo así la frecuencia de entrada de sanitarios en las áreas en cuarentena, ha explicado el director del Departamento de Infecciones de este hospital, Chen Ren.



También se están utilizando robots para tareas de desinfección. Desarrollados por TMiRob, una empresa con sede en Shanghái dedicada al desarrollo de robots con fines médicos, se están utilizando en Wuhan, epicentro de la epidemia, para limpiar y desinfectar los pisos de las áreas en cuarentena. Están equipados con un 'software' de desinfección y pueden calcular automáticamente el tiempo de desinfección en función del tamaño del área.

Para mayor información dar click aquí para revisar el material completo