Modelo para asignación de Scoring crediticio a cliente
RESUMEN: El crecimiento de las investigaciones y producción de software para la solución de problemas de aprendizaje automático ha hecho que empresas de todo tipo y tamaño se interesen y vean esto como una oportunidad para la mejora de sus procesos en algunas áreas. Un ejemplo claro es que la adopci...
- Autores:
-
Giraldo Cardona, Juan Fernando
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/17252
- Acceso en línea:
- http://hdl.handle.net/10495/17252
- Palabra clave:
- Crédito
Credit
Programa de ordenador
Computer software
Dificultad en el aprendizaje
Learning disabilities
Gestión industrial
Industrial management
Procesamiento de datos
Data processing
Aprendizaje automático
Arquitectura serverless
Clasificación
Modelo de scoring crediticio
Toma de decisiones
http://vocabularies.unesco.org/thesaurus/concept3570
http://vocabularies.unesco.org/thesaurus/concept6081
http://vocabularies.unesco.org/thesaurus/concept8024
http://vocabularies.unesco.org/thesaurus/concept3402
http://vocabularies.unesco.org/thesaurus/concept522
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Summary: | RESUMEN: El crecimiento de las investigaciones y producción de software para la solución de problemas de aprendizaje automático ha hecho que empresas de todo tipo y tamaño se interesen y vean esto como una oportunidad para la mejora de sus procesos en algunas áreas. Un ejemplo claro es que la adopción de los modelos de asignación de scoring crediticio como herramienta de ayuda para la toma de decisiones en las áreas de evaluación y aceptación crediticia ha aumentado en los últimos años. En este proyecto se busca entrenar un modelo de aprendizaje automático utilizando los datos de ventas e historiales de pago que la empresa @PC MAYORISTA ha almacenado de sus clientes en su sistema de gestión empresarial. Inicialmente se hace una extracción, limpieza, etiquetado y preprocesamiento de los datos, luego se entrenan diferentes algoritmos de aprendizaje automático para comprar cuál es el que mejor se ajusta a los datos y mejores predicciones hace con el conjunto de datos de prueba, donde se evidencia que los algoritmos basados en árboles como Gradient Boosting Machine (GBM por sus siglas en inglés) y XGBoost son los que mejores predicciones hacen sobre los datos en los diferentes conjuntos de validación. Después se hace una propuesta de una arquitectura en la nube donde se pueda alojar este modelo ya entrenado y finalmente se implementa un prototipo en una versión beta que servirá a los empleados de la empresa para hacer pruebas y verificar su correcto funcionamiento y posibles mejoras. |
---|