Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Orjuela Vargas, Sergio AlejandroMoreno Briceño, AlexGonzález Cangrejo, Johans2022-02-112022-02-112021-11-17http://repositorio.uan.edu.co/handle/123456789/5839Currently there is a large number of databases, given the multiple sources such as: social networks, banking movements, consultations in web browsers for private, business or academic use. A clear example is the study of exoplanets carried out by NASA, through multiple sources such as ground-based observatories and space telescopes (NASA, 2021). It is important to mention that, at the time of starting this work, the aforementioned database contains 4512 confirmed planets; without a doubt, a quite important figure with enough potential to study in search of patterns and new knowledge that leads to new observations.Actualmente se cuenta con una gran cantidad de bases de datos, dadas las múltiples fuentes como: redes sociales, movimientos bancarios, consultas en navegadores web de uso particular, empresarial o académico. Un claro ejemplo lo constituye el estudio de exoplanetas realizado por la NASA, a través de múltiples fuentes como observatorios terrestres y telescopios espaciales (NASA, 2021). Es importante mencionar que, al momento de dar inicio a este trabajo, la base de datos en mención alberga 4512 planetas confirmados; sin duda alguna, una cifra bastante importante con el potencial suficiente para el estudio en busca de patrones y nuevo conocimiento que conlleva a nuevas observaciones.spaAcceso abiertoMachine LearningvalidaciónNASAexoplanetasobservatoriosaprendizaje supervisado,algoritmoAlgoritmos de Aprendizaje Supervisado en la Clasificación de Exoplanetas en PythonTrabajo de grado (Pregrado y/o Especialización)Machine LearningvalidationexoplanetsNASAobservatoriessupervised learningalgorithminfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/