---
title: "Introducción"
url: https://docs.catalyst.zoho.com/es/tutorials/cancer-detection/introduction/
description: "Crea y configura un pipeline de ML que puede usarse para predecir las probabilidades de ser afectado por cáncer de mama con el servicio Catalyst QuickML."
last_updated: 2026-11-04T10:10:44Z
service: All Services
type: tutorial
---

# Cancer Detection

## Introducción

Este tutorial te ayudará a construir un modelo de machine learning usando [Catalyst QuickML](https://docs.catalyst.zoho.com/es/quickml/getting-started/introduction/), que analiza y predice el cáncer de mama. Te proporcionaremos conjuntos de datos médicos de ejemplo que pueden usarse como fuentes de datos para el modelo.

> **Nota:** QuickML actualmente no está disponible para usuarios que acceden desde el centro de datos de CA (Canadá). Si tu cuenta fue creada en el DC de CA (accounts.zohocloud.ca/), no podrás utilizar este servicio.

En este tutorial, primero [preprocesaremos los conjuntos de datos](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/) para asegurar que los datos estén limpios y listos para el entrenamiento. A continuación, construiremos un [pipeline de datos](https://docs.catalyst.zoho.com/es/quickml/help/create-data-pipeline/) para manejar la transformación de datos y un [pipeline de ML](https://docs.catalyst.zoho.com/es/quickml/help/create-ml-pipeline/) para entrenar y evaluar el modelo. Finalmente, crearemos un [endpoint](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-endpoints/) para el modelo entrenado, que permite a las aplicaciones externas interactuar con el modelo y recibir predicciones en tiempo real para el cáncer de mama.

El modelo de ML Cancer Detection está construido usando el siguiente servicio de Catalyst:

**[Catalyst QuickML](https://docs.catalyst.zoho.com/es/quickml/getting-started/introduction/)** : Usando este servicio, primero preprocesaremos el conjunto de datos de ejemplo implementando [operaciones de nodos](https://docs.catalyst.zoho.com/es/quickml/help/operations-in-quickml/encoding/) sobre ellos y construyendo el [pipeline de datos](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-builder-interface/walkthrough/#pipeline). Estos datos preprocesados se usarán para crear un modelo de ML ejecutando [algoritmos de ML](https://docs.catalyst.zoho.com/es/quickml/help/ml-algorithms/classification-algorithms/). Finalmente, el modelo de ML Cancer Detection puede ser accedido por aplicaciones externas usando la [URL del endpoint](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-endpoints/) generada en QuickML.

La salida final después de crear todos los pipelines de datos y ML requeridos en la [consola de Catalyst](https://console.catalyst.zoho.com/baas/index) se verá así:

![final_output](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/final_output.webp)