Modelos Generativos para el tratamiento de clases desbalanceadas aplicado a un problema de predicción de caídas severas en el precio del Bitcoin

Simple item page
dc.contributor.advisorYovine, Sergio Fabián
dc.contributor.tribunalFerragut Varela, Ruben Andrés
dc.contributor.tribunalOlloniego Rocca, Juan Andrés
dc.creatorNoguez Piacentini, Juan Ignacio
dc.date.issued2023
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractEste desarrollo de tesis es tiene como objetivo demostrar que los Modelos Generativos son una buena alternativa para manejar el problema de clases desbalanceadas, además de tener mejores resultados que otras técnicas de remuestreo en términos de desempeño, particularmente en la predicción de caídas severas en el precio de activos financieros. Este trabajo es una aproximación al análisis de modelos con clases desbalanceadas con Modelos Generativos, como el Variational Autoencoders (VAE) y las Generative Adversarial Networks (GAN). Se estudiaron las ventajas de estos modelos en la generación de imágenes y en la generación de texto (NLP), sin embargo, en menor medida se ha estudiado sobre la aplicación en problemas con datos tradicionales o de negocios. En este trabajo se comparan distintas técnicas para el tratamiento de este problema comparando los Modelos Generativos frente a otras técnicas como, SMOTE, “random oversampling” (ROS) y “undersampling” (RUS), en un problema clásico de predicción de caídas severas del precio del Bitcoin. Los resultados encontrados indican que para los clasificadores estimados sobre muestras generadas por los Modelos Generativos, tienen mejor desempeño que otras muestras usadas como de pruebas de rendimientos (benchmark). Los clasificadores elegidos fueron la Regresión Logística, el Random Forest, el Gradient Boosting Classifier y una red neuronal Perceptrón Multicapa.
dc.format.extent69 p. il, grafs.
dc.identifier.citationNoguez Piacentini, J. I. (2023). Modelos Generativos para el tratamiento de clases desbalanceadas aplicado a un problema de predicción de caídas severas en el precio del Bitcoin (Desarrollo de Tesis). Universidad ORT Uruguay, Facultad de Ingeniería.
dc.languageEspañol.
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/94164
dc.subjectPROYECTOS-MI
dc.subjectREDES NEURONALES
dc.subjectINTELIGENCIA ARTIFICIAL
dc.subjectPROCESAMIENTO DE DATOS
dc.subjectNEGOCIOS
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.titleModelos Generativos para el tratamiento de clases desbalanceadas aplicado a un problema de predicción de caídas severas en el precio del Bitcoin
dc.typeTrabajo final de carrera
ort.thesis.careerFI - Master en Ingeniería - MI
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelMaster
ort.thesis.degreenameMaster en Ingeniería
ort.thesis.degreetypeDesarrollo de Tesis
ort.thesis.noteDesarrollo de Tesis (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
1.51 MB
Format:
Adobe Portable Document Format
Description:
description
Download
Collections
Trabajos finales de carrera de postgrado