Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging

Autores
Santillán Cooper, Martín
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Armentano, Marcelo
Tommasel, Antonela
Descripción
El problema de predecir el comportamiento sedentario futuro se ha abordado previamente analizando solo el tiempo inactivo/estacionario de un sujeto y se ha medido y comparado el rendimiento de varios modelos. Alternativamente, en esta tesis se define la Predicción del Comportamiento Sedentario Futuro (PCSF) como la tarea de predecir si la actividad física de un usuario superará o no, en promedio, 1,5 MET en un futuro próximo. Aunque MET es una métrica estándar en el área de la salud para medir la intensidad de una actividad en términos del gasto energético, el uso de esta para predecir el comportamiento sedentario mediante el uso de dispositivos portátiles y dispositivos móviles permanece inexplorada. En este trabajo, se presenta un enfoque para predecir el comportamiento sedentario futuro de un sujeto en términos de su nivel de MET a partir de diferentes modelos de Deep Learning, basado en la observación de valores obtenidos de múltiples sensores de dispositivos portátiles y móviles. Párrafo extraído de tesis de grado a modo de resumen.
Fil: Santillán Cooper, Martín. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Armentano, Marcelo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil:Tommasel, Antonela. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Ingeniería de sistemas
Inteligencia artificial
Redes Neuronales Recurrentes
Deep Learning
Machine Learning
Predicción del Comportamiento Sedentario Futuro
PCSF
Sedentarismo
Unidad de medida del índice metabólico
MET
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2956
Acceder
id RIDUNICEN_db15ea9cd28d757f07872e0670739261
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2956
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Predicción de comportamiento sedentario a partir del análisis de datos de lifeloggingSantillán Cooper, MartínIngeniería de sistemasInteligencia artificialRedes Neuronales RecurrentesDeep LearningMachine LearningPredicción del Comportamiento Sedentario FuturoPCSFSedentarismoUnidad de medida del índice metabólicoMETEl problema de predecir el comportamiento sedentario futuro se ha abordado previamente analizando solo el tiempo inactivo/estacionario de un sujeto y se ha medido y comparado el rendimiento de varios modelos. Alternativamente, en esta tesis se define la Predicción del Comportamiento Sedentario Futuro (PCSF) como la tarea de predecir si la actividad física de un usuario superará o no, en promedio, 1,5 MET en un futuro próximo. Aunque MET es una métrica estándar en el área de la salud para medir la intensidad de una actividad en términos del gasto energético, el uso de esta para predecir el comportamiento sedentario mediante el uso de dispositivos portátiles y dispositivos móviles permanece inexplorada. En este trabajo, se presenta un enfoque para predecir el comportamiento sedentario futuro de un sujeto en términos de su nivel de MET a partir de diferentes modelos de Deep Learning, basado en la observación de valores obtenidos de múltiples sensores de dispositivos portátiles y móviles. Párrafo extraído de tesis de grado a modo de resumen.Fil: Santillán Cooper, Martín. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Armentano, Marcelo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil:Tommasel, Antonela. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasArmentano, MarceloTommasel, Antonela2021-112021-12-02T12:10:00Z2021-12-02T12:10:00Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfSantillán Cooper, M. (2021). Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.https://www.ridaa.unicen.edu.ar/handle/123456789/2956spahttp://creativecommons.org/licenses/by/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-11-27T08:35:04Zoai:ridaa.unicen.edu.ar:123456789/2956instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-11-27 08:35:04.981RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
title Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
spellingShingle Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
Santillán Cooper, Martín
Ingeniería de sistemas
Inteligencia artificial
Redes Neuronales Recurrentes
Deep Learning
Machine Learning
Predicción del Comportamiento Sedentario Futuro
PCSF
Sedentarismo
Unidad de medida del índice metabólico
MET
title_short Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
title_full Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
title_fullStr Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
title_full_unstemmed Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
title_sort Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging
dc.creator.none.fl_str_mv Santillán Cooper, Martín
author Santillán Cooper, Martín
author_facet Santillán Cooper, Martín
author_role author
dc.contributor.none.fl_str_mv Armentano, Marcelo
Tommasel, Antonela
dc.subject.none.fl_str_mv Ingeniería de sistemas
Inteligencia artificial
Redes Neuronales Recurrentes
Deep Learning
Machine Learning
Predicción del Comportamiento Sedentario Futuro
PCSF
Sedentarismo
Unidad de medida del índice metabólico
MET
topic Ingeniería de sistemas
Inteligencia artificial
Redes Neuronales Recurrentes
Deep Learning
Machine Learning
Predicción del Comportamiento Sedentario Futuro
PCSF
Sedentarismo
Unidad de medida del índice metabólico
MET
dc.description.none.fl_txt_mv El problema de predecir el comportamiento sedentario futuro se ha abordado previamente analizando solo el tiempo inactivo/estacionario de un sujeto y se ha medido y comparado el rendimiento de varios modelos. Alternativamente, en esta tesis se define la Predicción del Comportamiento Sedentario Futuro (PCSF) como la tarea de predecir si la actividad física de un usuario superará o no, en promedio, 1,5 MET en un futuro próximo. Aunque MET es una métrica estándar en el área de la salud para medir la intensidad de una actividad en términos del gasto energético, el uso de esta para predecir el comportamiento sedentario mediante el uso de dispositivos portátiles y dispositivos móviles permanece inexplorada. En este trabajo, se presenta un enfoque para predecir el comportamiento sedentario futuro de un sujeto en términos de su nivel de MET a partir de diferentes modelos de Deep Learning, basado en la observación de valores obtenidos de múltiples sensores de dispositivos portátiles y móviles. Párrafo extraído de tesis de grado a modo de resumen.
Fil: Santillán Cooper, Martín. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Armentano, Marcelo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil:Tommasel, Antonela. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description El problema de predecir el comportamiento sedentario futuro se ha abordado previamente analizando solo el tiempo inactivo/estacionario de un sujeto y se ha medido y comparado el rendimiento de varios modelos. Alternativamente, en esta tesis se define la Predicción del Comportamiento Sedentario Futuro (PCSF) como la tarea de predecir si la actividad física de un usuario superará o no, en promedio, 1,5 MET en un futuro próximo. Aunque MET es una métrica estándar en el área de la salud para medir la intensidad de una actividad en términos del gasto energético, el uso de esta para predecir el comportamiento sedentario mediante el uso de dispositivos portátiles y dispositivos móviles permanece inexplorada. En este trabajo, se presenta un enfoque para predecir el comportamiento sedentario futuro de un sujeto en términos de su nivel de MET a partir de diferentes modelos de Deep Learning, basado en la observación de valores obtenidos de múltiples sensores de dispositivos portátiles y móviles. Párrafo extraído de tesis de grado a modo de resumen.
publishDate 2021
dc.date.none.fl_str_mv 2021-11
2021-12-02T12:10:00Z
2021-12-02T12:10:00Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv Santillán Cooper, M. (2021). Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
https://www.ridaa.unicen.edu.ar/handle/123456789/2956
identifier_str_mv Santillán Cooper, M. (2021). Predicción de comportamiento sedentario a partir del análisis de datos de lifelogging [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
url https://www.ridaa.unicen.edu.ar/handle/123456789/2956
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1849949144514297856
score 13.275514

Publicaciones similares