teett / ds4a-team-62 Goto Github PK

• Gráfica de conteo de rango de edades interactiva en el dashboard para datos cargados
• Si es posible incluir conteos de otras variables de interés
• Gráficas que muestren la estacionalidad del Stay_length, Admission_ALL

Se debe presentar un reporte final. Es un entregable diferente al Datafolio, que está más enfocado al storytelling en una sola página. El informe debe incluir como mínimo:

• Introducción.
• Descripción general de la aplicación web.
• Ingeniería de datos (incluye descripciones del front-end, bases de datos y otros).
• Análisis de datos (Manejo y limipieza de conjuntos de datos, EDA, análisis estadísticos y modelación.
• Conclusiones y recomendaciones para nuevos trabajos.

GAUGE:
PROB HOSPITALIZATION
TIEMPO PROMEDIO ER
% CAMAS OCUPADAS

tabla por persona que muestra la probabilidad de hospitalización y si fui admitido o no

SITIO, NOMBRE PACIENTE (ALETAROIO), AGEBAND, GENDER, EXPECTED_ADMISSION, STAY_LENGTH (EXPECTED_ER_STAY), PROB_HOSP

CAMBIAR NOMBRE ADMISSION ALL CHART:
Expected_hospitalization_admissions
Expected_not_admissions

BAJAR TABLA PREVIEW AL FINAL Y DEJARLA DE 5 FILAS.

Las tarjetas deben incluir las siguientes variables:

• ED bed occupancy
• Inpatient_bed_occupancy
• Arrival intensity
• LAS intensity
• LWBS intensity

Estas tarjetas deben existir 2 veces cada una, una para los datos generales del hospital en 1 mes y otra para los pacientes cargados (¡los que están actualmente en el servicio!)

Incluye escribir un modelo en formato .pkl y dejarlo listo para utilizarse en la app de dash.

Por sugerencia de Daniel González (TA) se podría hacer el ejercicio de balancer los subconjuntos train/test con muestreo aleatorio y probar si hay mejoras en los scores de los modelos de clasificación.

Este es un ejercicio opcional.

• Carga de datos para estadísticas del hospital (Datos de 1 mes)
• Carga de datos para predicción de los pacientes (Datos de los pacientes en el servicio de Urgencias en este momento)

Regresión:

• Construcción del primer modelo de regresión con los datos de entrenamiento
• Selección de métrica de comparación
• Diseño de la validación cruzada a utilizar
• Modelo guardado y serializado en la carpeta models/stay

Presentación de ejemplo: https://docs.google.com/presentation/d/13Gj6Q1XqOKeN9suGobAVYfrTXWERKH7qJ7CLSY-TOMA/edit#slide=id.g8891a69099_0_17

Debe incluir:

• Problem Statement & Background
• Resumen de: Data Wrangling & Cleaning
• Resumen de: Descriptive Analysis
• Resumen de: Model and Statistical Analysis
• Crear Conclusions & Further Work

Estar listo para contribuir significa:

• Haber repasado las clases del DS4A
• Haber desplegado de manera local en tu propio navegador web las aplicaciones de la clase del DS4A e intentar entender los conceptos