Un enfoque híbrido integrando Machine Learning y Data Mining para la estimación del riesgo crediticio

La gestión de riesgo crediticio aborda las secuelas de la crisis financiera de 2008 al evaluar la eficacia de cinco potentes algortimos, incluyendo Random Forest, XGBoost y CatBoost, para clasificar solicitudes de crédito, revelando perfiles de usuarios y factores determinantes en la aprobación de créditos, brindando una visión integral del riesgo asociado.

Participa de esta conferencia virtual y conoce más sobre nuestra Maestría en Estadística Aplicada. Un espacio dirigido por Diego Armando Ramírez Hernández, Magíster en Estadística Aplicada de la Universidad del Norte. Jefe de ciencia de datos en el grupo empresarial conformado por Skit Consulting ltda y KONCILIA S.A.S. Inscríbete aquí