Se recopilarán datos de fuentes públicas y redes sociales, procesándolos con el esquema ETL

para convertirlos en información útil. La selección de características utilizará métodos de filtros

los cuales se entrenarán y validarán. Se incluirá un sistema de alertas para monitorizar el uso de
redes sociales y se realizará una evaluación continua del modelo.

La arquitectura fisica se basa en una aplicación móvil Android. Utiliza conexiones WiFi para
transmitir datos de usuarios, integrándose con redes sociales a través de APIs. Se alamcena los
datos en Firebase para sincronización en tiempo real. Estos se gestionan en repositorios
Tensorflow, facilitando su y despliegue

una capa cliente con una aplicación móvil que interactúa con redes sociales, una capa de
negocio con un servidor API para procesar datos.Y una capa de datos que usa una base de datos
no relacional para almacenar información y resultados de modelos de Machine Learning.

a) Tasa de éxito:
b) Área Bajo la Curva del Característica Operativa del Receptor (AUC-ROC
c) Sensibilidad:
d) Algortimos:
e) Púbico Objetivo:

1- modelo de aprendizaje para diagnosticar y predecir enfermedades renales

crónicas
2- modelo para predecir autolesiones e intentos de suicidio en adolescentes
3- modelo para predecir a personas con ideas suicidas
4- modelo para predecir hospitalizaciones en personas con depresión,
5- modelo para anticipar el diagnóstico de Covid-19
6- modelo para detectar riesgo para la psicosis

Cc

C
C