Resumen de Machine Learning predictivo a partir de la analítica y de modelos de inteligencia artificial. Un caso de estudio
De la mano de una política migratoria incluyente el crecimiento de la población afiliada en los diferentes regímenes de salud en Colombia crece, haciendo que el sistema de salud y las diferentes plataformas donde se reportan estén al límite. Dado que los recursos son insuficientes y poco alcanzan para satisfacer la alta demanda, el uso de tecnología debe permitir validar el comportamiento de la información depurada, validada y tangible para la toma de decisiones. Por ello se hace uso de la analítica y de los modelos de inteligencia artificial con enfoque metodológico, que permita usar datos depurados y abiertos de entidades como Sivigila, DANE, Datos abiertos de Colombia, etc. Para contrastar información de diversas fuentes mediante un sistema experto que valide la identificación de insigths, para lograr, por ejemplo, un diagnóstico de las posibles causas de muertes perinatales y neonatales, dado el crecimiento exponencial de mortalidad en distintas poblaciones de la ciudad de Bogotá. A partir de los datos recopilados y depurados de conceptos, registros de mortalidad infantil y desnutrición nacional, en este estudió se aplicó metodologías de calidad de datos como Cross Industry Standard Process for Data Mining Crisp DM y Sample, Explore, Modify, Model, Assess SEMMA, para desarrollar un modelo machine learning de carácter predictivo. Se logró validar la correlación de las muertes proporcionales y en relación directa con la desnutrición asociados a estratos 1-2-3 como los más predominantes
