Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.udla.edu.ec/handle/33000/15848Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | González Holguín, Víctor Manuel | - |
| dc.creator | Crisanto Ñacata, Wilmer Santiago | - |
| dc.date.accessioned | 2024-04-12T00:30:52Z | - |
| dc.date.available | 2024-04-12T00:30:52Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Crisanto, W. (2024). Desarrollo de un modelo predictivo que cuantifique los eventos peligrosos por provincia (Tesis de maestría). Universidad de las Américas, Quito. | es_ES |
| dc.identifier.other | UDLA-EC-TMINCD-2024-02 | - |
| dc.identifier.uri | http://dspace.udla.edu.ec/handle/33000/15848 | - |
| dc.description | Disaster management presents a complex challenge that requires a multidisciplinary approach to mitigate impacts on vulnerable societies and economies. This research explores the critical dimensions of disaster management, focusing on prediction and response strategies. Through comprehensive literature review, we reveal a significant gap in preparation and recovery phases, highlighting the potential of social media and artificial intelligence to enhance prediction and response capabilities. We advocate for the adoption of phase-specific machine learning methods, emphasizing the need for interdisciplinary collaboration and high quality data. This study aims to contribute to a more robust and adaptable disaster management framework, ultimately aiming to save lives and minimize damages in future events. | es_ES |
| dc.description.abstract | Este estudio aborda la gestión de desastres desde una perspectiva integral, enfatizando la necesidad de mejorar la predicción y respuesta ante eventos adversos. Se destaca la importancia de integrar tecnologías avanzadas, como las redes sociales y la inteligencia artificial, para optimizar la gestión de desastres. A través de una revisión de literatura, identificamos carencias en la preparación y recuperación, sugiriendo que métodos específicos de aprendizaje automático pueden ser claves en las diferentes fases de gestión. Este trabajo propone un enfoque colaborativo interdisciplinario y el uso de datos de calidad para fortalecer las estrategias de respuesta ante desastres. | es_ES |
| dc.format.extent | 47 p. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quito: Universidad de las Américas, 2024 | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
| dc.subject | MODELO PREDICTIVO | es_ES |
| dc.subject | CUANTIFICACIÓN DE EVENTOS PELIGROSOS | es_ES |
| dc.subject | GESTIÓN DE DESASTRES | es_ES |
| dc.subject | CIENCIA DE DATOS | es_ES |
| dc.title | Desarrollo de un modelo predictivo que cuantifique los eventos peligrosos por provincia | es_ES |
| dc.type | masterThesis | es_ES |
| Aparece en las colecciones: | Maestría Integral Negociación Ciencia de Datos | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| UDLA-EC-TMINCD-2024-02.pdf | 1,34 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
