Analizar la relación que tienen las variables para la determinación si un paciente esta en riesgo o no de tener diabetes.
-
Análisis de datos: Análisis exploratorio y estádistico de datos, limpieza e interpretación de los mismos.
-
Ciencia de datos: Desarrollo, prueba y validación de modelos de Machine Learning; Aplicación de los modelos SVM, Árbol de decisión, Random Forest y Regresión Logistica; Evaluación de los modelo para determinar cual de ellos ofrece mejores resultados de clasificación/predicción.
-
Visualización de datos: Desarrollo de un Dashboard en donde se pueda visualizar de manera grafica e interactiva los resultados obtenidos del análisis y estudio del conjunto de datos Diabetes Prediction, previamente seleccionado para llevar a cabo este proyecto.
Dashboard de Power BI del proyecto: https://app.powerbi.com/view?r=eyJrIjoiY2RiNGUxYjgtZmI3NC00MDJkLTk2MmYtNTE3Mjc3ZWFlZGFhIiwidCI6ImY5NGJmNGQ5LTgwOTctNDc5NC1hZGY2LWE1NDY2Y2EyODU2MyIsImMiOjR9
Informe Web del proyecto: https://prediccion-de-diabetes.vercel.app/
| Nombre | Rol | GitHub | |
|---|---|---|---|
| Yazmani Reyes | PM/Data Engineer/Machine Learning Developer | GitHub | |
| Eglimar Ramirez | BI Analyst/ Machine Learning Developer | GitHub | |
| Ezequiel Angió | Analyst & data scientist | GitHub | |
| Isabel Marquinez | Data & BI Analyst | GitHub |