Requests classification in the customer service area for software companies using machine learning and natural language processing.

Artificial intelligence (AI) is one of the components recognized for its potential to transform the way we live today radically. It makes it possible for machines to learn from experience, adjust to new contributions and perform tasks like human beings. The business field is the focus of this research. This article proposes implementing an incident classification model using machine learning (ML) and natural language processing (NLP). The application is for the technical support area in a software development company that currently resolves customer requests manually. Through ML and NLP techniques applied to company data, it is possible to know the category of a request given by the client. It increases customer satisfaction by reviewing historical records to analyze their behavior and correctly provide the expected solution to the incidents presented. Also, this practice would reduce the cost and time spent on relationship management with the potential consumer. This work evaluates different Machine Learning models, such as support vector machine (SVM), Extra Trees, and Random Forest. The SVM algorithm demonstrates the highest accuracy of 98.97% with class balance, hyper-parameter optimization, and pre-processing techniques.

Detección de anomalías congénitas en 12.760 nacimientos de tres hospitales en la Ciudad de Bogotá, Colombia 2004-2005 mediante ecografía prenatal / Using prenatal ultrasound for detecting congenital anomalies in 12.760 newborn babies from 20042005 in 3 hospitals in Bogotá, Colombia

Objetivos: determinar la frecuencia de las alteraciones congénitas que son detectadas en forma prenatal, utilizando la ecografía como método diagnóstico. Métodos: estudio de casos y controles basado en la metodología del Estudio Colaborativo Latinoamericano de Malformaciones Congénitas (ECLAMC). Fueron examinados los recién nacidos de tres hospitales de la ciudad de Bogotá durante los años 2004 y 2005. Resultados: se reportó un total de 12.760 recién nacidos, de los cuales hubo 382 con malformaciones congénitas (2,99 por ciento). Información completa se presentó en 287 casos (75,13 por ciento). El promedio de ecografías realizadas a los casos fue de 3,47 y para los controles de 3,19 (p < 0,05). Los casos presentaron menores edades gestacionales con respecto a los controles, 37,59 vs. 38,29 semanas respectivamente (p < 0,01); menores pesos al nacer 2.841,9 vs. 3.022,67 g (p < 0,01) y talla de 48,3 cm para los casos y 49,34 para los controles (p < 0,01). Se presentaron 151 casos con posibilidad de detección ecográfica (52,6 por ciento de los malformados), de los cuales solo 49 (32,5 por ciento) fueron detectados. Conclusión: la tasa de detección ecográfica en los tres hospitales es baja comparada con la información de otros estudios, que muestran la necesidad de una mejor calidad y tecnología para incrementar la detección prenatal de malformaciones graves.