Repository logo

Maestría en Analítica de Negocios

Permanent URI for this community

http://52.190.9.31//handle/123456789/12708

Browse

Browsing Maestría en Analítica de Negocios by Subject "Aprendizaje Automático"

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Análisis de la capacidad de ahorro con enfoque de género en la banca comercial de Honduras del 2015-2022
    (Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Carlos Omar Jiménez Rodríguez; Martha Haydé Benítez Gómez; Alba Gabriela Garay Romero; José Francisco Reyes Marín; Kevin Eduardo Funez Funez
    La capacidad de ahorro es un tema que afecta a todos los países. Una aproximación demográfica con enfoque de género incluido da un valor agregado para las políticas públicas y leyes dentro de una nación. Por ello el objetivo general de esta investigación es analizar el comportamiento financiero en depósitos de ahorro por género, rango de edad, departamento y banco comercial en Honduras en los años 2015 al 2022 de los ahorrantes en condición de persona natural. La metodología utilizada es de enfoque cuantitativo, alcance correlacional y temporalidad longitudinal. Como insumo de datos se utilizó la base de datos abierta de la Comisión Nacional de Bancos y Seguros sobre Depósitos de ahorro. Se utilizaron las herramientas de Knime E IBM SPSS Statistics para el análisis de datos y Power BI para su visualización. Se establecieron dos hipótesis relacionando el ahorro con el género y rango de edad las cuales tuvieron una relación según la prueba de hipótesis de Chi2, siendo el género la relación no significativa estadísticamente y rango de edad teniendo una relación grado medio de 0.314. En Valle y Colón, las mujeres ahorran más, mientras que en Cortés y Francisco Morazán lo hacen los hombres. Banco de Occidente, Banco Atlántida y Ficohsa son clave en el aumento del saldo promedio de ahorro. El algoritmo de árboles de decisión fue el que mejor exactitud tuvo en la clasificación predictiva.
  • Thumbnail Image
    Item
    Implementación de modelo predictivo para identificar deserción estudiantil en UNITEC
    (Universidad Tecnológica Centroamericana UNITEC, 2023-12-04) William Josué Caballero Cáceres; Melissa Alejandra Cabrera Burgos; Henry Osorto
    Esta investigación se realizó con el objetivo de implementar un modelo predictivo para identificar los estudiantes con riesgo de deserción de un periodo académico a otro en la Universidad Tecnológica Centroamericana (UNITEC) en estudiantes de pregrado de las ciudades de Tegucigalpa y San Pedro Sula. En el estudio se realizaron procesos de análisis de datos, procesamiento de datos como limpiezas y transformaciones, se entrenó el algoritmo de aprendizaje y se evaluaron los resultados en función de cada uno de los indicadores de eficiencia, una vez realizado el entrenamiento se llevó a cabo el proceso de implementación, todo ello con el fin de que el modelo predictivo sea una alerta temprana para la universidad para mitigar la deserción, mejore el enfoque de esfuerzos y recursos y aumente los índices de retención.
  • Thumbnail Image
    Item
    Implementación de un modelo de clusterización para la segmentación de perfil de clientes para Corporación Multi Inversiones
    (Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Ana Carolina Carrillo García; Emili Giselle Flores Velásquez; Alba Gabriela Garay Romero; Julio Esteban Ramos Medina
    Esta investigación presenta la implementación de un modelo de clusterización para Corporación Multi Inversiones, cuyo objetivo principal es identificar segmentos o clústeres de clientes con patrones de consumo y preferencias similares. Esto permitirá crear estrategias de marketing dirigidas hacia los diferentes tipos de clientes, focalizar eficientemente los recursos y en última instancia, contribuir a la mejora de la experiencia de compra logrando así la retención de estos. Con el aumento de los datos que generan las empresas hoy en día la aplicación y generación de modelos mediante algoritmos de aprendizaje automático son herramientas que se están volviendo cada día más útiles para las empresas en la actualidad ya que su implementación genera una ventaja competitiva. Para la clasificación de los clientes se utilizó la técnica RFM en función de las variables recencia, frecuencia y valor monetario. Posteriormente se aplicó el algoritmo de clusterización no supervisado K-Means mediante la herramienta Knime. Es importante que antes de someter a los datos a la aplicación de algoritmos de aprendizaje automático se realice un preprocesamiento exhaustivo de los datos tal como limpieza, transformación y modelado de los mismos.
  • Thumbnail Image
    Item
    Un modelo de analítica para predecir el presupuesto en los sectores de salud y educación en Honduras a 2024
    (Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Oscar Eduardo Zúniga Gallegos; Samuel Heriberto Zelaya Valle; Alba Gabriela Garay Romero
    La ejecución presupuestaria representa un pilar fundamental para los países en vías de desarrollo y es que a partir de esta se puede determinar el desempeño en sectores clave como lo son la educación y la salud. Asimismo, el auge que tiene actualmente la ciencia de datos es una oportunidad para que a partir de esta se brinden soluciones viables y que muestren resultados en pro de la ejecución presupuestaria a través de la creación y configuración de modelos de analítica como las series temporales y los bosques aleatorios, permitiendo efectuar predicciones de presupuestos y la identificación de objetos de gasto en los que más se invierten estos. Lo anterior significa que cualquier institución sea pública o privada que haga uso de esta tecnología cuenta con la alternativa de mejorar la ejecución presupuestaria y por ende ser más transparente en la rendición de cuentas.
  • Thumbnail Image
    Item
    Modelo de perfilamiento de bancos comerciales en Honduras
    (Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Carlos Roberto Jeff Montoya; Milton Josué Hernández Fúnez; Alba Gabriela Garay Romero; Kevin Eduardo Fúnez Fúnez; Rafael Acosta Sandoval
    Esta investigación tuvo como propósito la generación de perfiles de los bancos comerciales hondureños mediante el análisis de los créditos otorgados, información que se obtuvo mediante el conjunto de datos expuesto por la CNBS. Para lograr la generación de los perfiles se aplicaron herramientas de aprendizaje automático, específicamente los algoritmos de K-Means y Agrupamiento Jerárquico, mediante los cuales se logró la definición de cuatro perfiles significativos los que se clasificaron como: Perfil Cobertura Integral, Perfil Diversificación Estratégica, Perfil Enfoque Estratégico y Perfil de Alta Especificación, revelando relaciones significativas entre variables de investigación género, ubicación y tipo de crédito. Este estudio proporcionó una herramienta de analítica de datos valiosa para la toma de decisiones financieras informada. Se consideró pertinente, para futuras investigaciones relacionadas, la inclusión de personas jurídicas, así como la evaluación de rangos de edades.