Centro de Documentación de Fundación MAPFRE

<?xml version="1.0" encoding="UTF-8"?><modsCollection xmlns="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-8.xsd">
<mods version="3.8">
<titleInfo>
<title>Calificación y predicción del retiro temprano usando técnicas de machine learning</title>
<subTitle>: aplicación a los planes privados de pensiones</subTitle>
</titleInfo>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20100052259">
<namePart>Boado-Penas, María del Carmen</namePart>
<nameIdentifier>MAPA20100052259</nameIdentifier>
</name>
<typeOfResource>text</typeOfResource>
<genre authority="marcgt">periodical</genre>
<originInfo>
<place>
<placeTerm type="code" authority="marccountry">esp</placeTerm>
</place>
<dateIssued encoding="marc">2019</dateIssued>
<issuance>serial</issuance>
</originInfo>
<language>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</language>
<physicalDescription>
<form authority="marcform">print</form>
<internetMediaType>application/pdf</internetMediaType>
</physicalDescription>
<abstract displayLabel="Summary">Las técnicas de inteligencia artificial se han vuelto muy populares en las organizaciones públicas y privadas debido a que permiten un proceso de toma de decisiones más preciso. Las compañías de seguros privadas se han aventurado en este campo mediante la implementación de algoritmos que permiten una mejor comprensión de los datos disponibles. El conocimiento de las decisiones de jubilación permite a las compañías de seguros detectar el retiro temprano en un momento dado para tener una provisión presupuestaria adecuada. En este documento, los algoritmos de aprendizaje automático y datos de planes de pensiones privados se utilizan para predecir si una persona se jubila antes o después de los 65 años en función de características individuales y factores macroeconómicos</abstract>
<note type="statement of responsibility">Jose de Jesus Rocha Salazar, María del Carmen Boado-Penas</note>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080552114">
<topic>Pensiones</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080592455">
<topic>Planes de pensiones</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20170005476">
<topic>Machine learning</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080611200">
<topic>Inteligencia artificial</topic>
</subject>
<classification authority="">40</classification>
<relatedItem type="host">
<titleInfo>
<title>Anales del Instituto de Actuarios Españoles : Colegio Profesional</title>
</titleInfo>
<originInfo>
<publisher>Madrid : Instituto de Actuarios Españoles, 1943-</publisher>
</originInfo>
<identifier type="local">MAP20070000012</identifier>
<part>
<text>11/11/2019 Número 25 Epoca 4ª época - 2019 , p. 119-145</text>
</part>
</relatedItem>
<recordInfo>
<recordContentSource authority="marcorg">MAP</recordContentSource>
<recordCreationDate encoding="marc">200114</recordCreationDate>
<recordChangeDate encoding="iso8601">20220911191147.0</recordChangeDate>
<recordIdentifier source="MAP">MAP20200000433</recordIdentifier>
<languageOfCataloging>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</languageOfCataloging>
</recordInfo>
</mods>
</modsCollection>
Calificación y predicción del retiro temprano usando técnicas de machine learning : aplicación a los planes privados de pensiones
