Modelo de recomendación de zonas laborales a los beneficiarios de préstamos Icetex que terminaron materias universitaria Konrad Lorenz

Abstract

El objetivo y alcance del proyecto de investigación es encontrar un modelo que cumpla con parámetros superiores al 80% de exactitud y precisión que permita clasificar los beneficiarios que puedan caer en mora utilizando información contenida en la entidad y aplicando modelos de Machine Learning que permitan con este resultado comparar con los datos contenidos en el observatorio del MEN (Ministerio de Educación Nacional) la necesidad de esa carrera en la oferta del mercado, la información base fue tomada a partir los datos socio demográficos y de comportamiento de pago proporcionada por la entidad en el cierre mensual de cartera y sus históricos, cumpliendo con las normas de seguridad de la información. Para la investigación, se empleó la metodología CRISP-DM en sus seis fases y el resultado se entregará a la entidad para ser implementado y que el beneficiario del crédito al momento de terminar su vida académica pueda consultarlo en página.

The objective and scope of the research project is to find a model that meets parameters higher than 80% of accuracy and precision that allows classifying the beneficiaries that may fall into arrears using information contained in the entity and applying Machine Learning models that allow with this result to compare with the data contained in the observatory of the MEN (Ministry of National Education) the need for that career in the market supply, the base information was taken from the socio demographic data and payment behavior provided by the entity in the monthly closing of portfolio and its historical, complying with the rules of information security. For the research, the CRISP-DM methodology was used in its six phases and the result will be delivered to the entity to be implemented so that the beneficiary of the loan at the end of his academic life can consult it on page.