Tutor 1

Gómez Gómez, Rafael

Resumen

El fraude contra el sistema financiero ocasiona diversos riesgos económicos, perjuicios a la reputación, costos adicionales, impacto en la economía e implicaciones legales tanto para las entidades bancarias como para sus clientes. Por lo tanto, resulta crucial que las entidades financieras implementen medidas sólidas de seguridad y cumplan con las regulaciones pertinentes a fin de prevenir y detectar el fraude, protegiendo así a sus clientes y preservando su propia integridad financiera. Por este motivo, el enfoque principal del presente proyecto es investigar cómo el aprendizaje automático (Machine Learning) puede complementar el método tradicional de detección de fraudes basado en reglas, con el objetivo de disminuir la probabilidad de que ocurran incidentes fraudulentos. En el presente documento se realiza un análisis de las técnicas de aprendizaje automático (Machine Learning) que pueden emplearse en la prevención y detección del fraude bancario. Se evalúa y compara la utilidad de dos modelos de aprendizaje automático supervisado, utilizando como base los resultados obtenidos mediante un modelo tradicional basado en reglas. El objetivo es determinar cómo una entidad financiera puede aprovechar de manera efectiva el Machine Learning para mejorar su funcionamiento.

Palabras clave

Fraude Financiero, Tecnología educacional, Aprendizaje automático, Aprendizaje asociativo, servicios bancarios, Inteligencia artificial

Tipo de documento

Tesis de maestría

Licencia Creative Commons

Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License
This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License.

Fecha de elaboración

2023

Programa académico

Maestría en Analítica e Inteligencia de Negocios

Facultad

Escuela de Negocios

Publisher

Universidad de La Salle. Escuela de Negocios. Maestría en Analítica e Inteligencia de Negocios

Compartir

COinS