Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14624| Tipo de material: | masterThesis |
| Título : | Comparative Evaluation of Supervised Machine Learning Models for CreditScore Prediction using CACPECO Data. |
| Autor : | Llerena Camacho, Ángel David |
| Director de Tesis : | Pineda, Israel, dir. |
| Descriptores : | Inteligencia artificial - Riesgo crediticio - Tesis y disertaciones académicas. |
| Fecha de publicación : | 1-dic-2024 |
| Editorial : | Quito |
| Citación : | Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados ; Quito, Ecuador, 2024. |
| Páginas : | 19 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | La calificación crediticia es un instrumento crucial para que los asesores financieros determinen la elegibilidad de un cliente para un préstamo. Tradicionalmente, estas calificaciones dependen de agencias de crédito externas que consolidan datos financieros globales, incluidas las deudas totales y los historiales crediticios. Sin embargo, las instituciones financieras más pequeñas enfrentan desafíos para acceder a esta información restringida... |
| Descripción : | Credit scoring serves as a crucial instrument for financial advisors in determining a client’s loan eligibility. Traditionally, these scores rely on external credit bureaus that consolidate global financial data, including total debts and credit histories. However, smaller financial institutions face challenges accessing this restricted information... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/14624 |
| Aparece en las colecciones: | Tesis - Maestría en Ciencia de Datos |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338870.PDF | Texto completo | 598.59 kB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
