Abstract: This study addresses the application of the Cross-Industry Standard Process for Data Mining (CRISP-DM) methodology in the analysis of dissolved gases in oil of power transformers, being this a critical component in electrical systems. The adoption of this six-phase structured method allowed a comprehensive evaluation of the condition of the transformer units of the Ecuadorian electrical system based on the analysis of investment and expansion data of the sector, as well as the study of 1 099 DGA (Dissolved Gas Analysis) profiles obtained from a population of 153 transformers located in the different regions of continental Ecuador. The findings described in this work have the potential to significantly improve investment and maintenance strategies and policies. In addition, the adoption of automation techniques in the DGA classification process is proposed, using supervised learning models to enhance the reliability and efficiency of the public energy service. The results suggest that this approach not only improves the diagnosis within the maintenance activities, but also provides a solid basis to draw a roadmap towards a predictive asset management, resulting in a substantial improvement of the reliability of the national power system.

Resumen: Este estudio aborda la aplicación de la metodología Cross-Industry Standard Process for Data Mining (CRISP-DM) en el análisis de los gases disueltos en aceite de transformadores de potencia, siendo este un componente crítico en los sistemas eléctricos. La adopción de este método estructurado de seis fases permitió evaluar de forma integral la condición de las unidades de transformación del sistema eléctrico ecuatoriano a partir del análisis de datos de inversión y expansión del sector, así como del estudio de 1 099 perfiles DGA (Dissolved Gas Analysis) obtenidos de una población de 153 transformadores ubicados en las distintas regiones de Ecuador continental. Los hallazgos descritos en este trabajo tienen el potencial de mejorar significativamente las estrategias y políticas de inversión y mantenimiento. Además, se propone la adopción de técnicas de automatización en el proceso de clasificación DGA, utilizando modelos de aprendizaje supervisado para potenciar la confiabilidad y eficiencia del servicio público de energía. Los resultados sugieren que este enfoque no solo mejora el diagnóstico dentro de las actividades de mantenimiento, sino que también proporciona una base sólida para trazar una hoja de ruta hacia una gestión predictiva de los activos, lo que se traduce en una mejora sustancial de la confiabilidad del sistema eléctrico nacional.

RESUMEN: Dado que los algoritmos de aprendizaje automático dan resultados más fiables, en los últimos años han sido utilizados en el campo de la salud. Las variables orbitales dan resultados muy exitosos a la hora de clasificar correctamente el sexo. Esta investigación se ha centrado en la determinación del sexo utilizando determinadas variables obtenidas a partir de las imágenes orbitales de la tomografía computarizada (TC) mediante el uso de algoritmos de aprendizaje automático (AA). En este estudio se probaron 12 variables determinadas en 600 imágenes orbitales de 300 individuos (150 hombres y 150 mujeres) con diferentes AA. Se utilizaron algoritmos de AA de árbol de decisión (DT), K-Nearest Neighbour, regresión logística (RL), Random Forest (RF), análisis discriminante lineal (ADL) y Naive Bayes (NB) para el aprendizaje no supervisado. Los análisis estadísticos de las variables se realizaron con el programa Minitab® 21.2 (64 bits). La tasa de ACC de los algoritmos NB, DT, KNN y RL se encontró en % 83, mientras que la tasa de ACC de los algoritmos ADL y RFC se determinó en % 85. Según el análisis de Sharp, la variable con el mayor grado de efecto se encontró como BOW. El estudio determinó el sexo con alta precisión en las proporciones de 0,83 y 0,85 mediante el uso de las variables de las imágenes de TC orbitales, y se adquirieron los datos morfométricos relacionados de la población en cuestión, enfatizando la variación racial.

SUMMARY: Since machine learning algorithms give more reliable results, they have been used in the field of health in recent years. The orbital variables give very successful results in classifying sex correctly. This research has focused on sex determination using certain variables obtained from the orbital images of the computerized tomography (CT) by using machine learning algorithms (ML). In this study 12 variables determined on 600 orbital images of 300 individuals (150 men and 150 women) were tested with different ML. Decision tree (DT), K-Nearest Neighbour (KNN), Logistic Regression (LR), Random Forest (RF), Linear Discriminant Analysis (LDA), and Naive Bayes (NB) algorithms of ML were used for unsupervised learning. Statistical analyses of the variables were conducted with Minitab® 21.2 (64-bit) program. ACC rate of NB, DT, KNN, and LR algorithms was found as % 83 while the ACC rate of LDA and RFC algorithms was determined as % 85. According to Shap analysis, the variable with the highest degree of effect was found as BOW. The study has determined the sex with high accuracy at the ratios of 0.83 and 0.85 through using the variables of the orbital CT images, and the related morphometric data of the population under question was acquired, emphasizing the racial variation.

Abstract Unsupervised learning techniques are employed to study the relationship between atmospheric circulation and precipitation over Central America and its surrounding areas. Specifically, the clustering algorithm k-means++ is applied to three coarse-grained datasets from ERA-interim reanalysis that are the candidates for representing the atmospheric state vector, each candidate contains its full temporal variability. Datasets are composed of: a) wind fields at 925, 800 and 200 hPa, b) same as “a)” plus convective available potential energy and c) same as “a)” plus total column water vapor. Clustering metrics, namely the variance ratio criterion, the silhouette criterion and the mean squared error, are computed to quantify clustering quality. Clusters are interpreted as weather types, recurrent configurations of the atmospheric state vector associated with observable weather states. The correct number of clusters for each dataset is determined with a Monte Carlo test of normality, to assure cluster existence. The main objective is to obtain a set of weather types containing elements that characterize the transition from and to the rainy season over the Pacific side of Central America as well as other elements of the seasonal cycle of regional precipitation, such as the Mid-Summer Drought. Besides the statistical metrics, in order to select between candidate datasets and plausible number of clusters, focus is given to the temporal characteristics of the clusters. Existing literature does not provide a set of weather types suitable to analyze seasonal transitions and the differences in the mechanisms associated with rainfall maxima.

Resumen Técnicas de aprendizaje no supervisado se emplean para estudiar la relación entre la circulación atmosférica y la precipitación sobre América Central y sus áreas circundantes. Específicamente, el algoritmo de agrupamiento k-means++ se aplica a tres conjuntos de datos de baja resolución del reanálisis ERA interim, estos son candidatos a representar el vector de estado atmosférico y cada uno contiene su variabilidad temporal completa. Los conjuntos de datos probados son: a) campos de viento a 925, 800 y 200 hPa, b) lo mismo que “a)” más la energía potencial convectiva disponible y c) lo mismo que “a)” más el vapor de agua en la columna total. Se calculan métricas de agrupamiento, a saber, el criterio de relación de varianza, el criterio de silueta y el error cuadrático medio, para cuantificar la calidad del agrupamiento. Los grupos se interpretan como weather types, configuraciones recurrentes del vector de estado atmosférico asociadas con estados observables del tiempo atmosférico. El número correcto de grupos para cada conjunto de datos se determina con una prueba de normalidad de Monte Carlo para asegurar la existencia de grupos reales. El objetivo principal es obtener un conjunto de weather types que contengan elementos que caractericen la transición de y hacia la temporada de lluvias en la vertiente del Pacífico de América Central, así como otros elementos del ciclo estacional de precipitación regional, como las canículas. Además de las métricas estadísticas, para seleccionar entre conjuntos de datos y un número plausible de grupos, se presta atención a las características temporales de los grupos. La literatura existente no proporciona un conjunto de weather types adecuado para analizar transiciones estacionales y las diferencias en los mecanismos asociados con los máximos estacionales de lluvia.

Resumen En la exploración geofísica, el análisis del terreno es fundamental para planificar la adquisición de datos de gravimetría y magnetometría. No obstante, en la actualidad dichos análisis requieren el uso supervisado de información secundaria extensa. Por este motivo, en este estudio se propone una metodología que utiliza el aprendizaje profundo para evaluar el impacto de la cobertura vegetal y la topografía en la adquisición geofísica. Se usó una red neuronal artificial perceptrón multicapa para considerar cinco variables terrestres, y una red neural convolucional para la clasificación automatizada de coberturas vegetales sobre imágenes satelitales. A partir de esto, se obtuvieron puntos para la localización de estaciones de levantamiento geofísico que cumplen con un criterio de favorabilidad por accesibilidad, distancias, restricciones por cuerpos de agua y coberturas boscosas. La geometría obtenida se evaluó en la exploración del Granito de Durania en Colombia, y los resultados se analizaron utilizando transectas de adquisición y modelado computacional de anomalías magnéticas y de gravedad. Finalmente, se aplicaron técnicas de interpolación donde el método Ponderación de Distancia Inversa (IDW) mostró la mejor imagen para interpretar la delimitación del cuerpo intrusivo.

Abstract In geophysical exploration, terrain analysis is fundamental for planning the gravity and magnetic surveys. However, current analyses necessitate supervised use of extensive secondary information. Consequently, this study proposes a methodology that leverages deep learning to assess the impact of vegetation coverage and topography in geophysical acquisition. An artificial neural network multilayer perceptron was used to consider five terrain-related variables, while a convolutional neural network is used for automated classification of vegetation cover on satellite imagery. From this, geophysical acquisition points are obtained, adhering to criteria involving accessibility favourability, distances, restrictions imposed by bodies of water, and forested cover. The obtained geometry was tested in the exploration of the Granito de Durania in Colombia, and the results were analysed using acquisition transects and computational modelling of gravity and magnetic anomalies. Interpolation techniques were applied, with the Inverse Distance Weighting (IDW) method yielding the most informative map for interpreting the delineation of the intrusive body.

ABSTRACT The environmental crisis due to climate change has forced many States to direct efforts towards environmental transition to reduce the probability of occurrence of a situation with a negative impact on their population or environment. Peru is no exception. In this sense, the need arises to identify and categorize its districts according to a certain socio-environmental risk. Faced with this challenge, a multistage quantitative methodology was developed and implemented, which made use of both machine learning (supervised and unsupervised) and spatial econometrics. The results of this methodology, visualized through emerging risk indix, evidenced the existence of 165 districts considered socio-environmental risk zones (SERZ, in Spanish known as ZRS), mostly located in the coastal strip. Finally, it is concluded that the pattern and replicability of urban development model in Peru is currently not coherent with efforts towards environmental conservation and preservation.

RESUMEN La crisis ambiental por el cambio climático ha obligado a muchos Estados a dirigir esfuerzos hacia la transición medioambiental para reducir la probabilidad de ocurrencia de una situación con un impacto negativo sobre su población o medioambiente. El Perú no es la excepción. En tal sentido, surge la necesidad de identificar y categorizar sus distritos según un determinado riesgo socioambiental. Ante tal reto, se construyó e implementó una metodología cuantitativa multietápica, la cual hizo uso tanto del aprendizaje automatizado (supervisado y no supervisado) como de la econometría espacial. Los resultados de la metodología, visualizados a través de índices de riesgo emergentes, evidenciaron la existencia de 165 distritos considerados zonas con riesgo socioambiental (ZRS), ubicados en su mayoría en la franja costera. Finalmente, se concluye que el patrón y replicabilidad del modelo de desarrollo urbanístico en el Perú actualmente no es coherente con los esfuerzos de conservación y preservación del medioambiente.

ABSTRACT Introduction: Infection with the human immunodeficiency virus (HIV) and its evolution over four decades (chronic) has led doctors to study the behavior of CD4 T lymphocytes with the help of branches such as statistics and mathematics. Objective: To describe the behavior of the CD4 T lymphocyte count over time through unsupervised learning. Methods: Retrospective cohort type study, a search for continuous CD4 T lymphocyte quantifications throughout the established study period (2018-2022) was performed in the electronic file, in the present investigation there was no contact with the patients. Results: There is an increase in the average numerical values of CD4 T lymphocytes throughout the study and it begins to stabilize between the groups towards a count of over 500 lymphocytes, which reflects a good immune status over time. Conclusion: We identified stability in temporal tracking, which may contribute to a memory pattern, so we suggest an extensive fractal analysis.

RESUMEN Introducción: La infección por el virus de inmunodeficiencia humana (VIH) y su evolución a través de cuatro décadas (crónica) ha orillado a médicos a estudiar el comportamiento de los linfocitos T CD4 con ayuda ramas como la estadística y matemáticas. Objetivo: Describir el comportamiento del conteo de linfocitos T CD4 en el tiempo a través del aprendizaje no supervisado. Métodos: Estudio tipo cohorte retrospectiva, se realizó una búsqueda de cuantificaciones de linfocitos T CD4 continuas a través del periodo de estudio establecido (2018-2022) en el expediente electrónico, en la presente investigación no se tuvo contacto con los pacientes. Resultados: Existe un ascenso en los valores numéricos promedio de linfocitos T CD4 a lo largo del estudio y se empieza a estabilizar entre los grupos hacia un recuento sobre los 500 linfocitos, lo cual refleja un estado inmunológico bueno a través del tiempo. Conclusión: Identificamos estabilidad en el seguimiento temporal, lo cual puede contribuir a un patrón de memoria por lo que sugerimos un análisis fractal extenso.

ABSTRACT Introduction: Depressive symptoms are highly prevalent in the Peruvian population. The use of the decision tree algorithm could be beneficial in finding groups especially vulnerable to suffering from depressive symptoms. Objective: To determine the groups especially vulnerable to having depressive symptoms according to sociodemographic factors using a machine learning decision tree algorithm. Material and methods: An observational, descriptive, retrospective and cross-sectional design was applied. Data came from the National Demographic and Health Survey. The population was 32,062 adults and the dependent variable was the presence of depressive symptoms, and as explanatory variables: age group, mother tongue, ethnic group, educational level, age of onset of alcohol consumption, alcohol consumption, marital status, sex. The decision tree algorithm using automatic chi-square interaction detection (CHAID) was used. Results: The significant variables in the algorithm were sex, type of mother tongue, marital status, age group, educational level achieved, correctly classifying 75.80% of the cases of depressive symptoms. The nodes mainly associated with the presence of depressive symptoms were: node 2 (female sex), node 6 (adults from 39 years old), and node 13 (education up to secondary school). According to sex, in women, the variables mainly associated were those corresponding to node 2 (adults from 39 years of age), node 5 (education up to secondary school) and node 13 (original mother tongue). In men, the nodes mainly associated with depressive symptoms were node 2 (native mother tongue), node 6 (adults from 39 years of age) and node 11 (educational level reached up to secondary school). Conclusions: The main sociodemographic group associated with the development of depressive symptoms is the female sex, from the age of 39 and whose education has reached the school stage. The use of machine learning algorithms is useful to create screening tools for populations vulnerable to suffering from depressive symptoms.

RESUMEN Introducción: la sintomatología depresiva es altamente prevalente en la población peruana. El uso del algoritmo de árbol de decisiones podría beneficiar en hallar grupos especialmente vulnerables a padecer síntomas depresivos. Objetivo: determinar los grupos especialmente vulnerables a tener síntomas depresivos según factores sociodemográficos mediante algoritmo de árbol de decisiones por aprendizaje automático. Material y métodos: se aplicó un diseño observacional, descriptivo, retrospectivo y transversal. Los datos provinieron de la encuesta nacional demográfica y de salud. La población fue 32.062 adultos. La variable dependiente fue: presencia de síntomas depresivos, y como variables explicativas: grupo etario, lengua materna, grupo étnico, nivel educativo, edad de inicio de consumo de alcohol, consumo de alcohol, estado conyugal, sexo. Se utilizó el algoritmo de árbol de decisiones mediante detección automática de interacciones mediante chi-cuadrado (CHAID). Resultados: las variables significativas en el algoritmo fueron: sexo, tipo de lengua materna, estado conyugal, grupo etario, nivel educativo alcanzado, clasificando de forma correcta 75,80% de los casos de síntomas depresivos. Los nodos asociados principalmente a la presencia de síntomas depresivos fueron: nodo 2 (sexo femenino), nodo 6 (adultos desde 39 años), nodo 13 (educación hasta secundaria). Según sexo, en mujeres, las variables principalmente asociadas fueron los correspondientes al nodo 2 (adultos desde los 39 años), nodo 5 (educación hasta secundaria) y nodo 13 (lengua materna originaria). En hombres, los nodos asociados principalmente a síntomas depresivos fueron el nodo 2 (lengua materna originaria), nodo 6 (adultos desde los 39 años) y nodo 11 (nivel educativo alcanzado hasta secundaria). Conclusiones: el principal grupo sociodemográfico asociado al desarrollo de síntomas depresivos son el sexo femenino, desde los 39 años y cuya educación ha llegado a la etapa escolar. El uso de algoritmos de aprendizaje automático es útil para crear herramientas de cribado de poblaciones vulnerables a padecer síntomas depresivos.

Summary: The variability of soils depends on the interaction of environmental covariates involved in their formation. In Mexico, 25 out of the 32 soil groups included in the World Reference Base (WRB) are recorded. This study identified the importance order of eleven environmental covariates that using the non-parametric model based on a supervised machine learning algorithm called random forest, which characterize 19 soil groups covering 99.2% of the national territory. The covariates included were, curvature, drainage density, distance to the nearest stream, geology, aridity index, topographic humidity index, topographic position index, NDVI, radiation, roughness, and temperature. The results showed 100 classification trees, with accuracy of 81.83% of the random forest model and 0.80 of Kappa, which is considered as very good. The mean decrease accuracy, showed that, the five most important covariates for classifying the 19 analyzed soil groups are topographic position index, aridity index, curvature, radiation, and drainage density.

Resumen: La variabilidad de los suelos depende de la interacción de covariables ambientales que intervienen en su formación. En México, se registran 25 grupos de suelo de los 32 que incluye la Base Referencial Mundial (BRM). Este estudio identifica el orden de importancia de 11 covariables ambientales, utilizando el modelo no paramétrico basado en un algoritmo de aprendizaje automático supervisado denominado random forest, el cual caracteriza 19 grupos de suelo que incluyen el 99.2% del territorio nacional. Las covariables que se incluyeron fueron, curvatura, densidad de drenaje, distancia al cauce más cercano, geología, índice de aridez, índice de humedad topográfica, índice de posición topográfica, índice de vegetación de diferencia normalizada (NDVI), radiación, rugosidad y temperatura. Los resultados mostraron un total de 100 árboles de clasificación, con una precisión global de 81.83% del modelo a través de random forest y un valor de Kappa de 0.80, expresado como muy bueno. La precisión de disminución promedio mostró que, las cinco covariables analizadas más importantes que clasifican los 19 grupos de suelo son, índice de posición topográfica, índice de aridez, curvatura, radiación y densidad de drenaje.

Resumen El comportamiento de los componentes de las plantas proteicas es de vital importancia para los animales que los consumen en su dieta. La presente investigación tiene como objetivo evaluar algoritmos de regresión para determinar la conducta de las expresiones que mejor se adaptan a los procedimientos de un laboratorio tradicional y estimar los componentes químicos de plantas proteicas, en este sentido, se ha utilizado la biblioteca MULAN de java, que contiene algoritmos de aprendizaje automático capaces de adaptarse a disímiles problemas. Para ello, se crearon tres conjuntos de datos para cada especie estudiada en este trabajo; cada uno de estos incluye los elementos principales a ser evaluados en cada experimento, que están delimitados por: Metabolitos secundarios, componentes de la pared celular y digestibilidad para los ficheros de entrenamiento uno, dos y tres, respectivamente. Posteriormente, fueron evaluados por medio del aprendizaje supervisado y una validación cruzada de cada uno para determinar el mejor ajuste por aRMSE (Error cuadrático medio de la raíz). Los resultados del aprendizaje fueron comparados con experimentos anteriores, donde se tenía una variante de aprendizaje que contenía en un solo dataset todos los componentes a evaluar en una sola predicción. El resultado de la comparación muestra que los algoritmos vagos basados en instancias tienen un mejor comportamiento en el aprendizaje que los otros evaluados.

Abstract The behavior of components of protein plant is of vital importance for animals that consume them in their diet. The objective of this research is to evaluate regression algorithms, to determine the behavior of the expressions that best adapt to the procedures of a traditional laboratory and to estimate the chemical components of protein plants, in this sense the MULAN library of java has been used, that contain automatic learning algorithms capable of adapting to dissimilar problems. Three data set were created for each species treated in this study; each of these include the main elements to be evaluate in each experiment, these are delimitings by: secondary metabolites, cell wall components and digestibility element for training files one, two and three, respectively; subsequently, they were evaluated through learning supervised and cross-validation of each to determine the best fit by aRMSE (Average Root Mean Square Error). The learning results were compare with previous experiments, where there was a learning variant that contained in a single dataset all the components to be evaluates in a single prediction. The result of the comparison shows that the lazy algorithms based on instances have a better learning behavior than the others evaluate.

SUMMARY: The study purposed to examine the morphometry and morphology of crista galli in cone beam computed tomography (CBCT) and apply a new analysis, supervised Machine Learning techniques to find the answers to research questions “Can sex be determined with crista galli morphometric measurements?” or “How effective are the crista galli morphometric measurements in determining sex?”. Crista galli dimensions including anteroposterior, superoinferior, and laterolateral were measured and carried out on 200 healthy adult subjects (98 females; 102 males) aged between 18-79 years. Also, crista galli was classified with two methods called morphological types and Keros classification. In this study, the Chi-square test, Student's t-test, and Oneway ANOVA were performed. Additionally, Machine Learning techniques were applied. The means of the CGH, CGW, and CGL were found as 14.96 mm; 3.96 mm, and 12.76 mm in males, respectively. The same values were as 13.54 mm; 3.51 mm and 11.59±1.61 mm in females, respectively. The CG morphometric measurements of males were higher than those of females. There was a significant difference between sexes in terms of morphological classification type. Also, when the sex assignment of JRip was analyzed, out of 102 male instances 62 of them were correctly predicted, and for 98 female instances, 70 of them were correctly predicted according to their CG measurements. The JRip found the following classification rule for the given dataset: “if CGH<=14.4 then sex is female, otherwise sex is male”. The accuracy of this rule is not high, but it gives an idea about the relationship between CG measurements and sex. Although the issue that CG morphometric measurements can be used in sex determination is still controversial, it was concluded in the analysis that CG morphometric measurements can be used in sex determination. Also, Machine Learning Techniques give an idea about the relationship between CG measurements and sex.

RESUMEN: En el estudio se propuso examinar la morfometría y la morfología de la crista galli del hueso etmoides usando tomografía computarizada de haz cónico (CBCT) y aplicar un nuevo análisis, técnicas de aprendizaje automático supervisado para encontrar las respuestas a las preguntas de investigación "¿Se puede determinar el sexo con mediciones morfométricas de la crista galli?" o “¿Qué tan efectivas son las medidas morfométricas de la crista galli para determinar el sexo?”. Las dimensiones de la crista galli, incluidas los diámetros anteroposterior, superoinferior y laterolateral, se midieron y realizaron en 200 sujetos adultos sanos (98 mujeres; 102 hombres) con edades comprendidas entre los 18 y los 79 años. La crista galli se clasificó con dos métodos llamados tipos morfológicos y clasificación de Keros. En este estudio, se realizaron la prueba de Chicuadrado, la prueba t de Student y ANOVA de una vía. Adicionalmente, se aplicaron técnicas de Machine Learning. Las medias de CGH, CGW y CGL se encontraron en 14,96 mm; 3,96 mm y 12,76 mm en hombres, respectivamente. Los mismos valores fueron 13,54 mm; 3,51 mm y 11,59 ± 1,61 mm en mujeres, respectivamente. Las medidas morfométricas del CG de los hombress fueron más altas que las de las mujeres. Hubo una diferencia significativa entre sexos en cuanto al tipo de clasificación morfológica. Además, cuando se analizó la asignación de sexo de JRip, de 102 instancias masculinas, 62 de ellas se predijeron correctamente, y de 98 instancias femeninas, 70 de ellas se predijeron correctamente de acuerdo con las mediciones de CG. El JRip encontró la siguiente regla de clasificación para el conjunto de datos dado: "si CGH<=14.4, por tanto el sexo es femenino, de lo contrario, el sexo es masculino". La precisión de esta regla no es alta, pero da una idea de la relación entre las medidas del CG y el sexo. Aunque la pregunta si las medidas morfométricas CG se pueden usar en la determinación del sexo sigue aún siendo controvertida. Se concluyó en el análisis que las medidas morfométricas CG se pueden usar en la determinación del sexo. Además, las técnicas de aprendizaje automático dan una idea de la relación entre las medidas de CG y el sexo.

RESUMEN El aprendizaje conjunto es un término que se utiliza para referirse a los métodos que combinan varios algoritmos para tomar una decisión, generalmente en tareas de aprendizaje automático supervisado. En los últimos años la regresión logística, Support Vector Machine, la red neuronal y otros algoritmos de aprendizaje de máquinas se han utilizado en el diagnostico inteligente de fallas en maquinaria rotativa, sin embargo, cada algoritmo tiene sus ventajas y desventajas y pueden funcionar de distinta manera para un determinado conjunto de datos. En el presente artículo científico se proponen tres modelos de detección de fallas en cajas de engranajes bajo el enfoque de aprendizaje conjunto utilizando las técnicas de clasificación por votación mayoritaria, votación suave y apilamiento a través de las cuales se combinan las predicciones de varios estimadores a fin de mejorar la generalización y la robustez sobre un solo estimador. Para el desarrollo de los modelos especificados se utiliza un conjunto de datos de señales de falla de cajas de engranajes y cuatro técnicas de clasificación las cuales son: regresión logística, support vector machine, XGBoost y random forest. Los resultados finales de precisión de los modelos de votación mayoritaria y votación suave son 99.86% y 99.82% respectivamente, mientras que la precisión del modelo bajo el enfoque de apilamiento es de 99.85%. En comparación con los resultados de los clasificadores individuales, se demuestra que los modelos de aprendizaje conjunto compensan los errores cometidos por los clasificadores individuales y mejoran efectivamente la precisión de clasificación.

ABSTRACT Joint learning is a term used to refer to methods that combine several algorithms to make a decision, usually in supervised machine learning tasks. In recent years logistic regression, Support Vector Machine, neural network and other machine learning algorithms have been used in intelligent fault diagnosis in rotating machinery, however, each algorithm has its advantages and disadvantages and may perform differently for a given data set. In this scientific paper, three gearbox fault detection models are proposed under the ensemble learning approach using the majority voting, soft voting and stacking classification techniques through which the predictions of several estimators are combined in order to improve generalization and robustness over a single estimator. A data set of gearbox failure signals and four classification techniques are used to develop the specified models: logistic regression, support vector machine, XGBoost and random forest. The final accuracy results of the majority voting and soft voting models are 99.86% and 99.82% respectively, while the accuracy of the model under the stacking approach is 99.85%. Compared with the results of the individual classifiers, it is shown that the ensemble learning models compensate for the errors made by the individual classifiers and effectively improve the classification accuracy.

Resumen Contexto: En el sector educativo se han identificado variables que inciden considerablemente en el rendimiento academico de los estudiantes. En la ultima decada se han llevado a cabo investigaciones desde diversos campos como la psicologia, la estadistica y el analisis de datos con el fin de predecir el rendimiento academico. Metodo: La analitica de datos, especialmente a traves de herramientas de Machine Learning, permite predecir el rendimiento academico utilizando algoritmos de aprendizaje supervisado basados en variables academicas, demograficas y sociodemograficas. En este trabajo se seleccionan las variables mas influyentes en el transcurso de la vida academica de los estudiantes mediante metodos de filtro, embebidos, y de ensamble, asi como las caracteristicas mas importantes semestre a semestre utilizando algoritmos de Machine Learning (arbol de decision, KNN, SVC, Naive Bayes, LDA), implementados en el lenguaje Python. Resultados: Los resultados del estudio muestran que el KNN es el modelo que mejor predice el rendimiento academico para cada uno de los semestres, seguido de los arboles de decision, con valores de precision que oscilan alrededor del 80 y 78,5% en algunos semestres. Conclusiones: Con respecto a las variables, no se puede decir que el promedio academico semestral de un estudiante influya necesariamente en la prediccion del rendimiento academico del siguiente semestre. El analisis de estos resultados indica que la prediccion del rendimiento academico utilizando herramientas de Machine Learning es un enfoque promisorio que puede ayudar a mejorar la vida academica de los estudiantes y permitir a las instituciones y a los docentes adoptar acciones que ayuden al proceso de ensenanza-aprendizaje.

Abstract Context: In the education sector, variables have been identified which considerably affect students’ academic performance. In the last decade, research has been carried out from various fields such as psychology, statistics, and data analytics in order to predict academic performance. Method: Data analytics, especially through Machine Learning tools, allows predicting academic performance using supervised learning algorithms based on academic, demographic, and sociodemographic variables. In this work, the most influential variables in the course of students’ academic life are selected through wrapping, embedded, filter, and assembly methods, as well as the most important characteristics semester by semester using Machine Learning algorithms (Decision Trees, KNN, SVC, Naive Bayes, LDA), which were implemented using the Python language. Results: The results of the study show that the KNN is the model that best predicts academic performance for each of the semesters, followed by Decision Trees, with precision values that oscillate around 80 and 78,5% in some semesters. Conclusions: Regarding the variables, it cannot be said that a student’s per-semester academic average necessarily influences the prediction of academic performance for the next semester. The analysis of these results indicates that the prediction of academic performance using Machine Learning tools is a promising approach that can help improve students’ academic life allow institutions and teachers to take actions that contribute to the teaching-learning process.

Abstract The main objective of this work is to examine the role of early warning systems to find currency crises in Mexico during the period 1996-2022. This is calculated by the index of speculative pressures (ISP) developed in the 90`s to predict disruptions that went through different developing countries. A Markov regime shift model and support vector machines (SVM) are used to capture the dynamics of the ISP. The results obtained suggests that supervised learning models has better a performance than regime change models as the early warning system, since SVM models can capture the signals sent by different macroeconomic variables, that can be used as guidelines to be take response to these events.

Resumen El objetivo general de este trabajo es analizar el papel que tienen los sistemas de alerta temprana para identificar las crisis cambiarias en México para el periodo 1996-2022. Esto fue calculado por medio del índice de presiones especulativas (ISP) que fue desarrollado en la década de los 90`s para predecir las disrupciones por las que atravesaron distintos países en vías de desarrollo. Se empleó un modelo de cambio de régimen de Markov y de máquinas de soporte vectorial (SVM) para capturar la dinámica del ISP. Los resultados obtenidos sugieren que los modelos de aprendizaje supervisado presentan un mejor desempeño que los modelos de cambio de régimen como un sistema de alerta temprana, ya que los modelos SVM pueden capturar las señales enviadas por distintas variables macroeconómicas que permiten armar las guías a partir de la respuesta de los eventos.

ABSTRACT Artificial intelligence methods using unsupervised learning tools can support problem solving by establishing unidentified grouping or classification patterns that allow typing subgroups for more individualized management. There are few studies that allow us to know the influence of digestive and extra-digestive symptoms in the classification of functional dyspepsia. This research carried out a cluster unsupervised learning analysis based on these symptoms to discriminate subtypes of dyspepsia and compare with one of the currently most accepted classifications. An exploratory cluster analysis was carried out in adults with functional dyspepsia according to digestive, extra-digestive and emotional symptoms. Grouping patterns were formed in such a way that within each group there was homogeneity in terms of the values adopted by each variable. The cluster analysis method was two-stage and the results of the classification pattern were compared with one of the most accepted classifications of functional dyspepsia. Of 184 cases, 157 met the inclusion criteria. The cluster analysis excluded 34 unclassifiable cases. Patients with type 1 dyspepsia (cluster one) presented improvement after treatment in 100% of cases, only a minority presented depressive symptoms. Patients with type 2 dyspepsia (cluster two) presented a higher probability of failure to treatment with proton pump inhibitor, suffered more frequently from sleep disorders, anxiety, depression, fibromyalgia, physical limitations or chronic pain of a non-digestive nature. This classification of dyspepsia by cluster analysis establishes a more holistic vision of dyspepsia in which extradigestive characteristics, affective symptoms, presence or absence of sleep disorders and chronic pain allow discriminating behavior and response to first-line management.

RESUMEN Los métodos de inteligencia artificial utilizando herramientas de aprendizaje no supervisado pueden apoyar la resolución de problemas al establecer patrones de agrupación o clasificación no identificados, que permiten tipificar subgrupos para manejos más individualizados. Existen pocos estudios que permiten conocer la influencia de síntomas digestivos y extradigestivos en la tipificación dispepsia funcional; esta investigación realizó un análisis de aprendizaje no supervisado por conglomerados basándose en dichos síntomas, para discriminar subtipos de dispepsia y comparar con una de las clasificaciones actualmente más aceptadas. Se realizó un análisis exploratorio de conglomerados en adultos con dispepsia funcional según síntomas digestivos, extradigestivos y emocionales. Se conformaron patrones de agrupación de tal manera que dentro de cada grupo existiera homogeneidad en cuanto a los valores adoptados por cada variable. El método de análisis de conglomerados fue bietápico y los resultados del patrón de clasificación se compararon con una de las clasificaciones más aceptadas de dispepsia funcional. De 184 casos, 157 cumplieron con criterios de inclusión. El análisis de conglomerados excluyó 34 casos no clasificables. Los pacientes con dispepsia de tipo 1 (conglomerado uno), presentaron mejoría al tratamiento en el 100% de los casos, solo una minoría presentaron síntomas depresivos. Los pacientes con dispepsia de tipo 2 (conglomerado dos) presentaron una mayor probabilidad de falla al tratamiento con inhibidor de bomba de protones, padecieron con mayor frecuencia trastornos de sueño, ansiedad, depresión, fibromialgia, limitaciones físicas o dolor crónico de naturaleza no digestiva. Esta clasificación de dispepsia por análisis de clúster establece una visión más holística de la dispepsia en la cual características extradigestivas, síntomas afectivos, presencia o no de trastornos de sueño y de dolor crónico permiten discriminar el comportamiento y respuesta al manejo de primera línea.

Resumen Objetivo Comparar el desempeño de modelos de aprendizaje de máquina con Medication Fall Risk Score (MFRS) para la previsión del riesgo de caída relacionado con medicamentos prescriptos. Métodos Se trata de un estudio caso-control retrospectivo de pacientes adultos y adultos mayores de un hospital terciario de Porto Alegre, estado de Rio Grande do Sul, Brasil. Se investigaron los medicamentos prescriptos y las clases de medicamentos. Los datos fueron exportados al software RStudio para el análisis estadístico. Las variables se analizaron a través de los algoritmos de regresión logística Naive Bayes, Random Forest y Gradient Boosting. La validación del algoritmo se realizó usando validación cruzada de 10 veces. El índice de Youden fue la métrica seleccionada para evaluar los modelos. El proyecto fue aprobado por el Comité de Ética en Investigación. Resultados El modelo de aprendizaje de máquina que presentó el mejor desempeño fue el desarrollado por el algoritmo Naive Bayes. El modelo construido a partir de un conjunto de datos de un hospital específico presentó mejores resultados en la población estudiada que el MFRS, una herramienta generalizada. Conclusión Herramientas de previsión de riesgo que dependen de la aplicación y el registro adecuados por parte de los profesionales demandan tiempo y atención que podría ser destinado al cuidado del paciente. Modelos de previsión construidos mediante algoritmos de aprendizaje de máquina pueden ayudar a identificar riesgos para mejorar la atención al paciente. MFRS (MFRS casocontrol caso control Alegre Sul Brasil estadístico Bayes Boosting 1 veces Investigación generalizada paciente

Abstract Objective To compare the performance of machine-learning models with the Medication Fall Risk Score (MFRS) in predicting fall risk related to prescription medications. Methods This is a retrospective case-control study of adult and older adult patients in a tertiary hospital in Porto Alegre, RS, Brazil. Prescription drugs and drug classes were investigated. Data were exported to the RStudio software for statistical analysis. The variables were analyzed using Logistic Regression, Naive Bayes, Random Forest, and Gradient Boosting algorithms. Algorithm validation was performed using 10-fold cross validation. The Youden index was the metric selected to evaluate the models. The project was approved by the Research Ethics Committee. Results The machine-learning model showing the best performance was the one developed by the Naive Bayes algorithm. The model built from a data set of a specific hospital showed better results for the studied population than did MFRS, a generalizable tool. Conclusion Risk-prediction tools that depend on proper application and registration by professionals require time and attention that could be allocated to patient care. Prediction models built through machine-learning algorithms can help identify risks to improve patient care. machinelearning machine learning MFRS (MFRS medications casecontrol case control Alegre RS Brazil investigated analysis Regression Forest 10fold fold 10 Committee algorithm tool Riskprediction prediction care 1

Resumo Objetivo Comparar o desempenho de modelos de aprendizado de máquina com o Medication Fall Risk Score (MFRS) na previsão de risco de queda relacionado a medicamentos prescritos. Métodos Trata-se de um estudo caso-controle retrospectivo de pacientes adultos e idosos de um hospital terciário de Porto Alegre, RS, Brasil. Medicamentos prescritos e classes de medicamentos foram investigados. Os dados foram exportados para o software RStudio para análise estatística. As variáveis foram analisadas por meio dos algoritmos de Regressão Logística, Naive Bayes, Random Forest e Gradient Boosting. A validação do algoritmo foi realizada usando validação cruzada de 10 vezes. O índice de Youden foi a métrica selecionada para avaliar os modelos. O projeto foi aprovado pelo Comitê de Ética em Pesquisa. Resultados O modelo de aprendizado de máquina que apresentou melhor desempenho foi o desenvolvido pelo algoritmo Naive Bayes. O modelo construído a partir de um conjunto de dados de um hospital específico apresentou melhores resultados para a população estudada do que o MFRS, uma ferramenta generalizável. Conclusão Ferramentas de previsão de risco que dependem de aplicação e registro adequados por parte dos profissionais demandam tempo e atenção que poderiam ser alocados ao cuidado do paciente. Modelos de previsão construídos por meio de algoritmos de aprendizado de máquina podem ajudar a identificar riscos para melhorar o atendimento ao paciente. MFRS (MFRS Tratase Trata se casocontrole caso controle Alegre RS Brasil investigados estatística Logística Bayes Boosting 1 vezes Pesquisa generalizável paciente