Especializaciones de la Facultad de Ingeniería · 2021

Predicción de la velocidad de adopción de perros y gatos a partir de modelos clásicos de machine learning y deep learning con imágenes y textos

RESUMEN : Muchos animales en situación de calle sufren y son sacrificados en refugios todos los días en todo el mundo por falta de recursos económicos y financieros para el sostenimiento y su debido cuidado. El objetivo de este trabajo consiste en utilizar los datos de una competencia de Kaggle donde la finalidad de esta es predecir la velocidad de adopción de dos tipos de animales (perro y gato). Los datos son obtenidos de una base de Petfinder de Malasia, con capacidad de búsqueda de animales que necesitan un hogar. Esta base es un directorio de casi 150,000 animales. Las tasas de adopción de animales se encuentran correlacionadas con los metadatos asociados a sus perfiles en línea como el texto descriptivo, las características que se evidencian en las fotografías y las variables que se consideran importantes predictores de adopción como la edad, el sexo, la raza, entre otros. Para desarrollar el propósito definido se ejecutan modelos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning) con el fin de implementar algoritmos de predicción de la velocidad de adopción de mascotas según las características de texto; imágenes y atributos, los resultados obtenidos indican que esta es una base de datos compleja ya que los modelos implementados a partir de los datos tienen un mal rendimiento para la clasificación planteada.

Tesauro de su biblioteca