Montero Bermúdez, Eduardo JoséPuente Tiscama, Cleber Damián2026-02-232026-02-23202415565https://repositorio.puce.edu.ec/handle/123456789/48210El presente trabajo de titulación establece un modelo optimizado de machine learning que permite predecir la desnutrición crónica infantil con un nivel de accuracy lo suficientemente alto como para tomar decisiones. Se utiliza la base de datos de la Encuesta Nacional de Salud y Nutrición (ENSANUT). El proyecto realizado tiene como objetivo principal implementar un modelo de aprendizaje supervisado que permita predecir la desnutrición crónica infantil en el Ecuador, este modelo tendrá muy buenas métricas de performance e.g.roc auc superior a 0.8, acurracy por encima del 80%. Como resultado se obtendrá un modelo computacional de clasificación binaria de machine learning en lenguaje de programación Python con un nivel alto de accuracy que permita caracterizar y clasificar a los niños con desnutrición crónica infantil. Se recomienda proveer una estrategia de implementación y uso del modelo, así como un análisis del grado de influencia de las variables.esNutrición - Desnutrición infantilAprendizaje automático (Inteligencia artificial)Ciencia de datos - Modelos predictivosPediatría - Crecimiento del niñoVigilancia nutricionalSalud pública - EcuadormasterThesis