Técnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguros

dc.contributor.advisorFabian Arteaga, Junior John
dc.contributor.authorAsencio Diaz, Luz de los Angeles Manuela
dc.contributor.authorChiang Cornejo, Ricardo Hernan
dc.contributor.authorCrisóstomo Fernández, Fernanda Lucía
dc.contributor.authorHernández Quiroz, Gisela Vanesa
dc.contributor.authorLajo Aurazo, Almendra Sofia
dc.date.accessioned2022-02-17T21:57:08Z
dc.date.available2022-02-17T21:57:08Z
dc.date.issued2021
dc.description.abstractMachine 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.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/2933
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.subjectInteligencia artificiales_ES
dc.subjectAlgoritmoses_ES
dc.subjectAnálisis regresivoes_ES
dc.subjectLogísticaes_ES
dc.subjectPrediccioneses_ES
dc.subjectClienteses_ES
dc.subjectAprendizaje supervisadoes_ES
dc.subjectSeguro de vehículos automotoreses_ES
dc.subjectIndustria de seguroses_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titleTécnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguroses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni70882211
renati.author.dni72208941
renati.author.dni46868618
renati.author.dni45779003
renati.author.dni72180486
renati.discipline722056es_ES
renati.discipline613066es_ES
renati.jurorBallón Álvarez, Eber Joseph
renati.jurorGonzales Lopez, Rolando Alberto
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.disciplineIngeniería de Tecnologías de Información y Sistemases_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
thesis.degree.nameIngeniero de Tecnologías de Información y Sistemases_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2021_IIC_21-2_07_TC.pdf
Tamaño:
1.55 MB
Formato:
Adobe Portable Document Format
Descripción:
Texto completo

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: