- -

Técnicas de aprendizaje automático aplicadas al marketing bancario

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Técnicas de aprendizaje automático aplicadas al marketing bancario

Show simple item record

Files in this item

dc.contributor.advisor Llobet Azpitarte, Rafael es_ES
dc.contributor.author Navarro Pacheco, Carlos es_ES
dc.date.accessioned 2022-10-14T18:32:27Z
dc.date.available 2022-10-14T18:32:27Z
dc.date.created 2022-07-19 es_ES
dc.date.issued 2022-10-14 es_ES
dc.identifier.uri http://hdl.handle.net/10251/187847
dc.description.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 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. es_ES
dc.format.extent 46 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Aprendizaje supervisado es_ES
dc.subject Marketing bancario es_ES
dc.subject Análisis estadístico es_ES
dc.subject Random Forest es_ES
dc.subject K-Nearest Neighbors es_ES
dc.subject Gradient Boosting es_ES
dc.subject XGBoost es_ES
dc.subject Logistic model es_ES
dc.subject GausianNB es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación-Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació es_ES
dc.title Técnicas de aprendizaje automático aplicadas al marketing bancario es_ES
dc.title.alternative Machine learning techniques applied to banking marketing es_ES
dc.title.alternative Tècniques d'aprenentatge automàtic aplicades al màrqueting bancari es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Cerrado es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació es_ES
dc.description.bibliographicCitation Navarro Pacheco, C. (2022). Técnicas de aprendizaje automático aplicadas al marketing bancario. Universitat Politècnica de València. http://hdl.handle.net/10251/187847 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\151495 es_ES


This item appears in the following Collection(s)

Show simple item record