Modelos de puntuación basados en aprendizaje automático para calcular el scoring de empresas

Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024.

Guardado en:

Detalles Bibliográficos
Autor principal:	Trucco, Martín Gabriel
Otros Autores:	Giuliodori, David Augusto
Formato:	bachelorThesis
Lenguaje:	Español
Publicado:	2024
Materias:	Inteligencia artificial Redes neuronales Series temporales Análisis de datos Riesgo crediticio Scoring bancario Aprendizaje automático Machine learning Neural networks Time series Data analysis Credit scoring Credit risk
Acceso en línea:	http://hdl.handle.net/11086/552428
Aporte de:	Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba

Ejemplares similares

Construcción de un modelo de Credit Scoring para población no bancarizada de la Ciudad Autónoma de Buenos Aires utilizando el Censo Nacional de Personas, Hogares y Viviendas como fuente complementaria de datos.
por: Grimberg, Érica Anabela
Publicado: (2023)

Analysis of Methods for Generating Classification Rules Applicable to Credit Risk
por: Jimbo Santana, Patricia, et al.
Publicado: (2017)

Exploración y explotación en el análisis de riesgo de crédito
por: Escobar, Aldo Orlando
Publicado: (2023)

¿QUE VES CUANDO ME VES? Analizando el análisis de riesgo crediticio que hacen los bancos argentinos a las PyMEs agropecuarias
por: Yangosian, Marcelo Eduardo
Publicado: (2022)

Implementación de score crediticio a individuos en entorno fintech :: período 2016-2018
por: Gómez, Roberto Alfredo
Publicado: (2021)

Modelo de scoring crediticio bancario para calificar Pequeñas y Medianas empresas: Aplicación empírica en Argentina
por: Kuznetsov, Konstantin
Publicado: (2023)

Review and analysis of computational techniques and methods for body condition score estimation on cows
por: Rodríguez Álvarez, Juan, et al.
Publicado: (2018)

Problemática del financiamiento a PyMES: informe de Rating Crediticio
por: Molés, Rubén Hernán
Publicado: (2018)

Determinantes del acceso al crédito de PyMES industriales argentinas. Descomposición espacial en el período 2004-2014
por: Hisgen, Carlos Matías, et al.
Publicado: (2022)

An exploratory analysis of methods for extracting credit risk rules
por: Jimbo Santana, Patricia, et al.
Publicado: (2016)

Modelos de predicción de scoring crediticio utilizando algoritmos cost-sensitive de machine learning y datos alternativos
por: Gorosabel, Lucas
Publicado: (2023)

Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
por: Escobares, Cristhian Daniel
Publicado: (2022)

Las redes neuronales : una guía esencial para principiantes de las redes neuronales artificiales y su papel en el aprendizaje automático y la inteligencia artificial /
por: Jones, Herbert
Publicado: (2019)

SAnDReS 2.0: Development of machine-learning models to explore the scoring function space
por: de Azevedo, Walter Filgueira Jr., et al.
Publicado: (2024)

Aprendizaje automático para la predicción de potenciales ligandos frente a nuevos blancos proteicos
por: Leto Mera, Francisco
Publicado: (2017)

Aprendizaje automático para la predicción de potenciales ligandos frente a nuevos blancos proteicos
por: Leto Mera, Francisco
Publicado: (2017)

Aprendizaje automático para la predicción de potenciales ligandos frente a nuevos blancos proteicos
por: Leto Mera, Francisco
Publicado: (2017)

Generación de imágenes con técnicas de Aprendizaje Automático : Aplicaciones en Reconocimiento de Lengua de Señas
por: Ríos, Gastón Gustavo
Publicado: (2020)

Neural networks and deep learning : a textbook /
por: Aggarwal, Charu C.
Publicado: (2018)

Alvarado score in the diagnostic of pain in the right lower quadrant
por: Lada, Paul Eduardo
Publicado: (2017)

Transferencia de estilo en fotografías mediante redes neuronales convolucionales
por: Wolfmann, Ariel Mauricio
Publicado: (2018)

Transferencia de estilo en fotografías mediante redes neuronales convolucionales
por: Wolfmann, Ariel Mauricio
Publicado: (2018)

Simplifying credit scoring rules using LVQ + PSO
por: Lanzarini, Laura Cristina, et al.
Publicado: (2017)

Exploring Scoring Function Space: Developing Computational Models for Drug Discovery
por: Bitencourt Ferreira, Gabriela, et al.
Publicado: (2024)

Score to predict the number of hospitalization days in a general ward at atertiary hospital
por: Belletti, Gerardo A, et al.
Publicado: (2020)

Introduction to deep learning : from logical calculus to artificial intelligence /
por: Skansi, Sandro
Publicado: (2018)

Robustez de las redes neuronales profundas para clasificar imágenes médicas.
por: Kloster, Matias A.
Publicado: (2019)

Desarrollo de métodos de aprendizaje automático para redes neuronales convolucionales en grafos con aplicaciones al análisis de imágenes
por: Martínez, César
Publicado: (2021)

Modelo de predicción de alturas del agua en el Río de la Plata
por: Frías, María Inés
Publicado: (2022)

Modelo de predicción de alturas del agua en el Río de la Plata
por: Frías, María Inés
Publicado: (2022)

Relación altura/edad (frame score) en terneros brahman del norte argentino
por: Yostar, Edgar Jonatan, et al.
Publicado: (2022)

Le premier jour de bonheur /
por: Auber, D. F. E. (Daniel Fran�cois Esprit), 1782-1871
Publicado: (2011)

Zerline /
por: Auber, D. F. E. (Daniel Fran�cois Esprit), 1782-1871
Publicado: (2011)

Reve d'amour /
por: Auber, D. F. E. (Daniel Fran�cois Esprit), 1782-1871
Publicado: (2011)

L'enfant prodigue /
por: Auber, D. F. E. (Daniel Fran�cois Esprit), 1782-1871
Publicado: (2011)

Le Lac des Fees /
por: Auber, D. F. E. (Daniel Fran�cois Esprit), 1782-1871
Publicado: (2011)

por: Furlanetto, Jonathan
Publicado: (30/8)

Generación de imágenes con técnicas de aprendizaje automático : Aplicaciones en reconocimiento de lengua de señas
por: Ríos, Gastón Gustavo
Publicado: (2022)

Generación de imágenes con técnicas de aprendizaje automático: aplicaciones en reconocimiento de lengua de señas
por: Ríos, Gastón Gustavo, et al.
Publicado: (2023)

Adaptation approaches for pronunciation scoring with sparse training data
por: Landini, F., et al.