Modelo de toma de decisiones para la detección de riesgos crediticios aplicando Machine Learning

dc.contributor.advisorAvalos Quispe, Rodrigo Hugo
dc.contributor.authorMamani Quisbert, David Joel
dc.coverage.spatialBolivia
dc.date.accessioned2026-03-22T13:07:08Z
dc.date.available2026-03-22T13:07:08Z
dc.date.issued2024
dc.description.abstractEl presente trabajo de investigación propone un modelo de toma de decisiones, aplicando varias técnicas del aprendizaje supervisado del Machine Learning, de las que se eligió al algoritmo que mejor se adaptó al conjunto de datos con el que se trabajó, de esta forma el modelo una vez habiendo pasado el proceso de entrenamiento, es capaz de predecir si un cliente en la etapa previa a la otorgación de crédito representa a un cliente: malo, regular, bueno o muy bueno, esto tomando en cuenta información que el cliente brinda durante esta etapa, lo que puede permitir a la entidad que gestione un crédito poder tomar decisiones o recaudos en esta instancia pues ya tiene una alerta previa, que en su atención oportuna puede evitar problemas en el futuro.es
dc.identifier.urihttps://andeanlibrary.org/handle/123456789/38803
dc.language.isoes
dc.publisherFacultad de Ciencias Puras y Naturales
dc.relationhttps://repositorio.umsa.bo/xmlui/bitstream/123456789/42686/1/T-4305.pdf
dc.sourceUniversidad Mayor de San Andrés
dc.subjectPREDICCION DE RIESGOS CREDITICIOS
dc.subjectMACHINE LEARNING
dc.subjectMETODOLOGIA CRISP-DM
dc.titleModelo de toma de decisiones para la detección de riesgos crediticios aplicando Machine Learning
dc.typeThesis

Files

Collections