Estrategia computacional para estimar la aprobación de préstamos a partir de datos de solicitantes, utilizando algoritmos de machine learning

Paredes Martínez, Mickell Santiago

Publication:
Estrategia computacional para estimar la aprobación de préstamos a partir de datos de solicitantes, utilizando algoritmos de machine learning

dc.contributor.advisor	Briñez de León, Juan Carlos
dc.contributor.author	Paredes Martínez, Mickell Santiago
dc.date.accessioned	2025-07-09T16:03:27Z
dc.date.available	2025-07-09T16:03:27Z
dc.date.issued	2025
dc.description.abstract	Este trabajo de grado tiene como objetivo aplicar técnicas de aprendizaje automático para mejorar el proceso de toma de decisiones en la aprobación de préstamos. Para ello, se utilizó un conjunto de datos reales con información de clientes, incluyendo variables como género, ingresos, historial crediticio, monto solicitado, entre otros. A lo largo del proyecto, se realizó un análisis completo que incluyó la limpieza de los datos, transformación de variables y selección de características relevantes. Posteriormente, se entrenaron distintos algoritmos de clasificación supervisada como regresión logística, árboles de decisión, Random Forest, SVM, entre otros, con el fin de predecir si un préstamo debía ser aprobado o rechazado. El desempeño de los modelos se evaluó con métricas como la exactitud (accuracy), la matriz de confusión, el informe de clasificación y la curva ROC, obteniendo resultados muy positivos. El modelo con mejor desempeño fue validado con datos nuevos mediante una simulación práctica, donde un usuario puede ingresar los datos de un cliente y recibir una predicción inmediata sobre la aprobación del préstamo. Además, se aplicó una estrategia de votación por mayoría entre varios modelos, lo cual fortaleció la confiabilidad del sistema. Este proyecto demuestra cómo, a través del uso de herramientas de Machine Learning, se puede construir una solución práctica y automatizada para apoyar procesos financieros. El sistema desarrollado es capaz de adaptarse a distintos tipos de usuarios, entregar resultados confiables y facilitar decisiones más objetivas y rápidas. En conclusión, se logró implementar una estrategia computacional útil, funcional y con potencial de aplicación en contextos reales, permitiendo no solo optimizar recursos, sino también mejorar la experiencia tanto para las entidades financieras como para los usuarios.
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) Industrial	spa
dc.format.extent	39 p.
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repositorio.uniremington.edu.co/handle/123456789/7572
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	Aprendizaje supervisado	spa
dc.subject	Clasificación	spa
dc.subject	Aprobación de préstamos	spa
dc.subject	Algoritmos de predicción	spa
dc.subject	Análisis de datos	spa
dc.subject	Modelos de decisión	spa
dc.subject	Regresión logística	spa
dc.subject	Random Forest	spa
dc.subject	Validación del modelo	spa
dc.subject.lemb	Mejoramiento de procesos
dc.subject.lemb	Toma de decisiones
dc.subject.lemb	Aprendizaje automático (Inteligencia artificial)
dc.title	Estrategia computacional para estimar la aprobación de préstamos a partir de datos de solicitantes, 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