1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE POSGRADO
  3. MAESTRÍAS
  4. Tesis - Maestría en Inteligencia Artificial
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14591
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorGrijalva, Felipe, dir.-
dc.contributor.authorHernández Mosquera, Christian Sebastian-
dc.date.accessioned2025-09-30T18:54:32Z-
dc.date.available2025-09-30T18:54:32Z-
dc.date.issued2024-12-02-
dc.identifier.citationTesis (Magíster en Inteligencia Artificial), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14591-
dc.descriptionAnomaly detection in financial transactions is a critical challenge in mitigating risks associated with fraudulent activities. This study proposes a robust framework tailored to the cooperative financial sector, utilizing unsupervised learning techniques to identify anomalous behavior within transaction data. Hierarchical clustering, was employed to segment users into distinct behavioral clusters, revealing patterns indicative of normal and suspicious activity...es_ES
dc.description.abstractLa detección de anomalías en transacciones financieras es un desafío crítico para mitigar los riesgos asociados con actividades fraudulentas. Este estudio propone un marco robusto adaptado al sector financiero cooperativo, utilizando técnicas de aprendizaje no supervisado para identificar comportamientos anómalos en los datos transaccionales. Se empleó Hierarchical Clustering para segmentar a los usuarios en clústeres de comportamiento distintivos, revelando patrones indicativos de actividad normal y sospechosa...es_ES
dc.format.extent21 h.es_ES
dc.language.isoenes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectInteligencia artificial - Transacciones financieras - Tesis y disertaciones académicases_ES
dc.subject.otherComputaciónes_ES
dc.subject.otherCienciases_ES
dc.titleA Two-Stage Unsupervised Learning Approach for Anomaly Detection in Transactions of Cooperative Financial Institutionses_ES
dc.typemasterThesises_ES
Aparece en las colecciones: Tesis - Maestría en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
338710.pdfTexto completo2.9 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons