Algoritmo computacional para el análisis y toma de decisiones en datos utilizando algoritmos de machine learning

Bohórquez Quintero, José Aníbal

Publication:
Algoritmo computacional para el análisis y toma de decisiones en datos utilizando algoritmos de machine learning

dc.contributor.advisor	Briñez de León, Juan Carlos
dc.contributor.author	Bohórquez Quintero, José Aníbal
dc.date.accessioned	2025-07-09T16:37:04Z
dc.date.available	2025-07-09T16:37:04Z
dc.date.issued	2025
dc.description.abstract	Este trabajo tiene como propósito central analizar los indicadores macroeconómicos más representativos de Colombia durante el periodo comprendido entre 2005 y 2019, excluyendo de forma intencional los años 2020 a 2022 debido a la distorsión estadística generada por los efectos de la pandemia por COVID-19. A través de técnicas de análisis de datos y herramientas de aprendizaje automático (Machine Learning), se busca identificar patrones, relaciones y comportamientos relevantes en variables como el producto interno bruto (PIB), la inflación (IPC), la tasa de desempleo, la tasa de cambio (TRM) y el salario mínimo legal vigente. El estudio parte de una rigurosa etapa de limpieza, categorización e interpolación de los datos obtenidos de fuentes oficiales como el DANE y el Banco de la República. Posteriormente, se implementaron algoritmos de clasificación supervisada como K-Nearest Neighbors, Random Forest y Análisis Discriminante, a fin de categorizar la tasa de desempleo según su comportamiento anual. Aunque se identificaron modelos con alto desempeño en precisión, el enfoque principal no se limitó a la predicción, sino a la visualización estructurada de los datos y su valor explicativo frente a fenómenos económicos complejos. En línea con lo planteado por James, Witten, Hastie y Tibshirani (2021), el uso de Machine Learning en este contexto permitió detectar correlaciones e interacciones entre variables que no son evidentes mediante métodos estadísticos convencionales, lo cual ofrece un enfoque complementario para la toma de decisiones en política económica, planificación gubernamental y gestión financiera empresarial. Este trabajo representa un primer paso hacia el uso de modelos computacionales accesibles y replicables para el monitoreo de la salud económica del país.
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) Industrial	spa
dc.format.extent	29 p.
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repositorio.uniremington.edu.co/handle/123456789/7574
dc.language.iso	spa	spa
dc.publisher	Corporación Universitaria Remington	spa
dc.publisher.faculty	Facultad de Ingenierías	spa
dc.publisher.place	Medellín (Antioquia, Colombia)	spa
dc.publisher.program	Ingeniería Industrial	spa
dc.rights	Derechos Reservados - Corporación Universitaria Remington, 2025	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	spa
dc.subject	Machine Learning	spa
dc.subject	Inflación	spa
dc.subject	Tasa de interés	spa
dc.subject	Desempleo	spa
dc.subject	Aprendizaje automático	spa
dc.subject	Salario	spa
dc.subject	Pib	spa
dc.subject	TRM	spa
dc.subject	Predicción	spa
dc.subject.lemb	Covid-19
dc.subject.lemb	Aprendizaje automático (Inteligencia artificial)
dc.subject.lemb	Algoritmos
dc.title	Algoritmo computacional para el análisis y toma de decisiones en datos utilizando algoritmos de machine learning	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f	spa
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcol	http://purl.org/redcol/resource_type/TP	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication	spa