Análisis de anomalías en notas débito y crédito utilizando técnicas de aprendizaje automático no supervisado

RESUMEN : Este estudio desarrolla un modelo basado en aprendizaje no supervisado para detectar transacciones inusuales de ventas (Notas crédito y débito) de una empresa del sector servicios. Se utilizan métodos de reducción de dimensionalidad y UMAP para el análisis y visualización de patrones en lo...

Full description

Autores:

Duarte Foronda, María Camila
Lozano Durán, Cristian Joel

Tipo de recurso:

Tesis

Fecha de publicación:

2024

Institución:

Universidad de Antioquia

Repositorio:

Repositorio UdeA

Idioma:

spa

OAI Identifier:

oai:bibliotecadigital.udea.edu.co:10495/44355

Acceso en línea:

https://hdl.handle.net/10495/44355

Palabra clave:

Protección contra riesgos financieros
Financial Risk Protection
Aprendizaje automático no supervisado
Unsupervised Machine Learning
Delitos económicos
Commercial crimes
Fraude bancario
Bank fraud
Operaciones bancarias
Foreign exchange deposits
Auditoría financiera
Financial auditing
https://id.nlm.nih.gov/mesh/D000069558

Rights

openAccess

License

https://creativecommons.org/licenses/by-nc-sa/4.0/