González Calero, Pedro AntonioMonforte Escobar, ManuelVindel Loeches, Raúl2023-06-172023-06-172020https://hdl.handle.net/20.500.14352/10239Trabajo de Fin de Grado en Ingeniería del Software, Facultad de Informática UCM, Departamento de Ingeniería del Software e Inteligencia Artificial, Curso 2019/2020Hoy en día la rapidez con la que se pueda atender una emergencia juega un papel trascendental en la vida de la víctima. La necesidad de tener disponibles servicios de emergencias y preparados para una rápida y eficiente actuación ha sido y siempre será necesaria. En este trabajo se propone explorar un conjunto de técnicas de aprendizaje automático basadas en los datos concedidos por SAMUR-PC en relación a las activaciones que tienen lugar en la ciudad de Madrid entre los años 2009-2019 para intentar predecir el número de avisos que tendrá lugar en unas circunstancias determinadasNowadays the speed with which an emergency can be dealt with plays a major role in the life of the victim. The need to have emergency services available and prepared for quick and efficient action has been and will always be necessary. In this paper we propose to explore a set of machine learning techniques based on the data provided by SAMUR-PC in relation to the warnings that take place in the city of Madrid between the years 2009-2019, to try to predict the number of warnings that will occur in certain circumstances.spaAtribución-NoComercial 3.0 Españabachelor thesisopen access004(043.3)Aprendizaje automáticoClasificaciónRegresión linealRegresión logísticaAprendizaje profundoRed neuronalRedes CNNRedes LSTMSAMUR-PCMachine learningClassificationLinear regressionLogistic regressionDeep learningNeural networkCNN networksLSTM networksInformática (Informática)1203.17 Informática