M19- ML Aplicado a la Estrategia de Gestión de Carteras Fintech
Tutor: Adriano Antonello
aantonello@ithreexglobal.com
Basados en un dataset con distintos tipos de gestiones, fechas, gestores, sujetos, acreedores, tipo de productos y montos de deuda, se intentará determinar si algunas gestiones o cierta cantidad de las mismas son claves al momento de la negociación de una cartera fintech.
El tema es interesante ya que podriamos determinar patrones de comportamiento en los individuos y asi podremos ahorrar tiempo y costos en la gestión de cartera, logrando asi una mejor calidad en la gestión y tiempos de respuestas de nuestros acreedores.
– Predecir cuantas gestiones se necesitan para la negociación exitosa.
– Se puede realizar clustering de comportamiento?
– Podemos determinar que y cuales productos son mejores en la gestión.
– Que variables tienen relación en el dataset.
Si querés inspeccionar el conjunto de datos, lo encontrarás en: https://drive.google.com/drive/folders/1H4wPWU1xClzeMU3zOakEjiuGJnOAkqw-?usp=sharing
Entrega 20/05 – Práctico de análisis y visualización, que consistirá en el entendimiento de los datos y poder representarlos en forma gráfica.
Entrega 17/06 – Práctico de análisis exploratorio y curación de datos, que consistirá en poder determinar outliers como así valores nulos o campos sin relación a las preguntas que queremos resolver.
Entrega 24/06 – Video de presentación intermedia del proyecto y dataset.
Entrega 29/07 – Práctico aprendizaje supervisado, que consistirá en poder determinar algoritmos predictivos para obtener un grado de certidumbre acorde al modelo y los datos.
Entrega 26/08 – Práctico aprendizaje no supervisado, que consistirá en probar distintos tipos de algoritmos y comparar cuales son los mejores resultados obtenidos entre supervisado y no supervisado.
Entrega 23/09 – Video de presentación final de mentoría.
Jornadas 11/11 y 12/11 – Presentación de mentorías.