Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/78524
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorLLorente Pinto, Alejandroes-ES
dc.contributor.authorGisbert Gil, Francisco Javieres-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2023-05-30T17:59:07Z
dc.date.available2023-05-30T17:59:07Z
dc.date.issued2023es_ES
dc.identifier.urihttp://hdl.handle.net/11531/78524
dc.descriptionMáster en Big Data. Tecnología y Analítica Avanzada/Master in Big Data Technologies and Advanced Analyticses_ES
dc.description.abstractEl proyecto "Detección de necesidades en servicios esenciales al ciudadano" tiene como objetivo determinar la escasez de servicios esenciales, como farmacias, centros educativos o puntos de de transporte público, en la Comunidad de Madrid. Para lograr esto, se utiliza el catálogo de datos abiertos de la Comunidad de Madrid para obtener la ubicación geográfica de los servicios, así como datos sociodemográficos de cada las secciónes censales de la Comunidad. Se realiza una transformación de las coordenadas espaciales y se realiza un conteo de los servicios por cada zona censal y sus alrededores. Se entrena un modelo explicativo basado en la tendencia general de los datos y las variables sociodemográficas para predecir el número de servicios que debería haber en cada zona. Se calcula un score para cuantificar la escasez de servicios esenciales en cada sección censal. Se desarrolla un Dashboard en Power BI para visualizar los resultados, mostrando las secciones censales de la Comunidad de Madrid y su score para los diferentes servicios. También se muestra información sobre variables sociodemográficas relevantes. Se utilizan fuentes de datos como el catálogo de datos abiertos de la Comunidad de Madrid y el Instituto Nacional de Estadística para obtener la ubicación de los servicios y datos sociodemográficos de las secciones censales. El proyecto revela las zonas censales que tienen una escasez de farmacias, centros educativos y puntos de venta de la tarjeta de transporte público. Además, se identifican diferencias en variables sociodemográficas como población, renta per cápita y porcentaje de extranjeros entre las zonas con escasez y las que tienen una mayor disponibilidad de servicios. Además, es importante destacar que todo el proceso se lleva a cabo en un pipeline robusto y escalable, lo que permite su aplicación a nuevos conjuntos de datos, zonas geográficas o servicios que se deseen estudiar en el futuro.es-ES
dc.description.abstractThe project "Detection of needs in essential citizen services" aims to determine the scarcity of essential services, such as pharmacies, educational centers, or public transportation points, in the Community of Madrid. To achieve this, the open data catalog of the Community of Madrid is used to obtain the geographic location of the services, as well as sociodemographic data for each census section in the Community. A transformation of spatial coordinates is performed, and a count of services is conducted for each census zone and its surroundings. An explanatory model is trained based on the overall data trend and sociodemographic variables to predict the number of services that should be present in each zone. A score is calculated to quantify the scarcity of essential services in each census section. A Power BI dashboard is developed to visualize the results, displaying the census sections of the Community of Madrid and their scores for different services. It also provides information on relevant sociodemographic variables. Data sources such as the open data catalog of the Community of Madrid and the National Institute of Statistics are used to obtain the service locations and sociodemographic data for census sections. The project reveals census zones that have a scarcity of pharmacies, educational centers, and public transportation card sales points. Additionally, differences are identified in sociodemographic variables such as population, per capita income, and percentage of foreigners between zones with scarcity and those with higher availability of services. Furthermore, it is important to highlight that the entire process is carried out in a robust and scalable pipeline, allowing its application to new datasets, geographic areas, or services that may be studied in the future.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject12 Matemáticases_ES
dc.subject1209 Estadísticaes_ES
dc.subject120903 Análisis de datoses_ES
dc.subject.otherM8Aes_ES
dc.titleDetección de necesidades en servicios esenciales al ciudadanoes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsMachine learinig, Python, Servicios, Geoespacial, Comunidad de Madrid, Dashboardes-ES
dc.keywordsMachine learinig, Python, Services, Geoespatial, Community of Madrid, Dashboarden-GB
Aparece en las colecciones: MBD-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM - Gisbert Gil, Francisco Javier.pdfTrabajo Fin de Máster15,64 MBAdobe PDFVista previa
Visualizar/Abrir
Anexo I_firmado.pdfAutorización435,05 kBAdobe PDFVisualizar/Abrir     Request a copy


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.