Abstract:
|
[ES] En el trabajo a desarrollar se implementarán modelos de predicción sobre una base de datos preparada por entidades bancarias portuguesas. En este sentido, se aplicarán técnicas de aprendizaje automático, conocido por ...[+]
[ES] En el trabajo a desarrollar se implementarán modelos de predicción sobre una base de datos preparada por entidades bancarias portuguesas. En este sentido, se aplicarán técnicas de aprendizaje automático, conocido por su nombre en inglés machine learning, a los resultados obtenidos en ciertas campañas de marketing realizadas por instituciones bancarias portuguesas, con la finalidad de obtener cuales son los principales drivers del éxito de estas campañas publicitarias y poder extrapolar los resultados obtenidos a las futuras campañas.
El punto de partida para ello es conocer los fundamentos teóricos y estudiar el funcionamiento de los modelos a utilizar. Una vez conocido cómo funcionan estos modelos, se preparará la base de datos adquirida para obtener resultados más precisos. En este sentido, se deberá tratar los datos anómalos, datos faltantes, tratar las variables, incluso generar nuevas variables, para que cumplan con unos requisitos que faciliten a los modelos encontrar los patrones que permitan una buena predicción. Una vez se haya conseguido tener un conjunto de datos limpio se realizará un análisis de las variables sobre las que el modelo trabajará.
A continuación, se entrenarán los modelos de predicción de datos con una parte del conjunto de datos denominado ¿datos de entrenamiento¿. Con estos datos, el modelo aprenderá las principales relaciones e interacciones que se establecen entre las distintas variables en relación con la variable objetivo a predecir.
Finalmente, una vez se dispone del modelo entrenado, se testeará con datos no vistos con anterioridad (conjunto de test) para comprobar el poder predictivo del mismo. En el trabajo a desarrollar se aplicarán diversas aproximaciones a la resolución de esta tarea y se estudiará cuáles son los modelos que proporcionan una predicción más precisa, con la finalidad de poder aplicar dichos modelos a otros conjuntos de datos.
[-]
|