Técnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguros
dc.contributor.advisor | Fabian Arteaga, Junior John | |
dc.contributor.author | Asencio Diaz, Luz de los Angeles Manuela | |
dc.contributor.author | Chiang Cornejo, Ricardo Hernan | |
dc.contributor.author | Crisóstomo Fernández, Fernanda Lucía | |
dc.contributor.author | Hernández Quiroz, Gisela Vanesa | |
dc.contributor.author | Lajo Aurazo, Almendra Sofia | |
dc.date.accessioned | 2022-02-17T21:57:08Z | |
dc.date.available | 2022-02-17T21:57:08Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Machine Learning y los modelos matemáticos en los que se basa para poder identificar patrones y dar una estimación basada en data histórica son usados cada vez más en diferentes industrias para procesar información que antes se consideraba masiva y por ende difícil de relacionar de manera certera por métodos tradicionales. Con la inclusión de las técnicas de como regresión logística y K-NN, hoy en día es posible formular y proponer un modelo de predicción de aprendizaje supervisado que se ajuste a los requerimientos de clasificación de una empresa. Esta investigación propone la aplicación de las mencionadas técnicas para la elaboración de modelos predictivos de clasificación de tipos de asegurados para una determinada empresa en la industria aseguradora de vehículos automóviles; usando como base de datos los registros históricos recopilados del año 2019. | es_ES |
dc.format | application/pdf | es_ES |
dc.identifier.uri | https://hdl.handle.net/20.500.12640/2933 | |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad ESAN | es_ES |
dc.publisher.country | PE | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ | * |
dc.subject | Inteligencia artificial | es_ES |
dc.subject | Algoritmos | es_ES |
dc.subject | Análisis regresivo | es_ES |
dc.subject | Logística | es_ES |
dc.subject | Predicciones | es_ES |
dc.subject | Clientes | es_ES |
dc.subject | Aprendizaje supervisado | es_ES |
dc.subject | Seguro de vehículos automotores | es_ES |
dc.subject | Industria de seguros | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#5.02.04 | es_ES |
dc.title | Técnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguros | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.type.other | Trabajo de suficiencia profesional | es_ES |
renati.advisor.dni | 44749148 | |
renati.advisor.orcid | https://orcid.org/0000-0001-9804-7795 | es_ES |
renati.author.dni | 70882211 | |
renati.author.dni | 72208941 | |
renati.author.dni | 46868618 | |
renati.author.dni | 45779003 | |
renati.author.dni | 72180486 | |
renati.discipline | 722056 | es_ES |
renati.discipline | 613066 | es_ES |
renati.juror | Ballón Álvarez, Eber Joseph | |
renati.juror | Gonzales Lopez, Rolando Alberto | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | es_ES |
thesis.degree.discipline | Ingeniería Industrial y Comercial | es_ES |
thesis.degree.discipline | Ingeniería de Tecnologías de Información y Sistemas | es_ES |
thesis.degree.grantor | Universidad ESAN. Facultad de Ingeniería | es_ES |
thesis.degree.name | Ingeniero Industrial y Comercial | es_ES |
thesis.degree.name | Ingeniero de Tecnologías de Información y Sistemas | es_ES |
Archivos
Bloque original
1 - 1 de 1
- Nombre:
- 2021_IIC_21-2_07_TC.pdf
- Tamaño:
- 1.55 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Texto completo
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: