LDR | | | 00000cam a22000004b 4500 |
001 | | | MAP20200033820 |
003 | | | MAP |
005 | | | 20220911190516.0 |
008 | | | 180802s20200000esp|||| ||| ||spa d |
040 | | | $aMAP$bspa$dMAP |
084 | | | $a6 |
100 | 1 | | $0MAPA20200021216$aGil de Gómez Jiménez, Pablo |
245 | 1 | 0 | $aModelos de predicción del coste del siniestro en seguros de salud$cPablo Gil de Gómez Jiménez |
260 | | | $aMadrid$bUniversidad Carlos III de Madrid$c2020 |
500 | | | $aTrabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Escuela de Postgrado de la Universidad Carlos III de Madrid. Tutores: José Miguel Rodríguez-Pardo del Castillo y Jesús Ramón Simón del Potro. Curso 2018-2020 |
520 | | | $aLos datos siempre han estado en el núcleo de las compañías de seguros. En las últimas décadas, la disrupción de la Inteligencia Artificial coloca a las técnicas de manejo de datos en el centro de una profunda revolución. Este trabajo profundiza en el uso de técnicas de Machine Learning en los estudios de severidad de siniestros del ramo de salud, exponiendo su base teórica, funcionamiento y comparando su desempeño en un caso práctico real. La principal conclusión es que los algoritmos avanzados de Machine Learning arrojan mejoras increíbles con respecto a los métodos tradicionales de regresión |
650 | | 4 | $0MAPA20080573867$aSeguro de salud |
650 | | 4 | $0MAPA20080592059$aModelos predictivos |
650 | | 4 | $0MAPA20080611200$aInteligencia artificial |
650 | | 4 | $0MAPA20170005476$aMachine learning |
650 | | 4 | $0MAPA20080601799$aGestión de siniestros |
700 | 1 | | $0MAPA20140014897$aRodríguez-Pardo del Castillo, José Miguel |
700 | 1 | | $0MAPA20160001525$aSimón del Potro, Jesús Ramón |
710 | 2 | | $0MAPA20080455026$aUniversidad Carlos III de Madrid |
830 | | 0 | $0MAPA20160014013$aTrabajos Fin de Master |
856 | | | $qapplication/pdf$w1108382$yRecurso electrónico / Electronic resource |