
Optimizando el Apoyo Empresarial
Modelos Predictivos para Evaluar la Supervivencia de Emprendimientos con Financiamiento CORFOBy Carlos RivasLength2h 16m
About this audiobook
El éxito de los emprendimientos es crucial para el desarrollo económico, pero muchos negocios fracasan en sus primeros años. Esta tesis aplica técnicas de aprendizaje automático para predecir la supervivencia de emprendimientos financiados por CORFO, identificando factores clave que influyen en su éxito o fracaso.
A través del análisis de datos históricos y el uso de modelos como Random Forest, Support Vector Machines y redes neuronales, se busca optimizar la asignación de recursos y mejorar la toma de decisiones en programas de apoyo empresarial. Los hallazgos de este estudio proporcionan una herramienta valiosa para emprendedores, inversores y organismos gubernamentales, promoviendo un ecosistema más sostenible e innovador. Esta investigación contribuye tanto al campo del Data Science como al diseño de políticas públicas más eficientes para fomentar el crecimiento de startups en Chile.
Audiobook details
GenreBusiness and Economics
Length2 hrs 16 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateJun 24, 2025
LanguageSpanish
Table of contents
1CAPÍTULO I: ANTECEDENTES DEL PROBLEMA
21.1. Antecedentes de la organización.
31.2. Formulación del problema
41.3. Justificación
51.4. Alcances
Show all chaptersShow less
61.5. Delimitaciones
71.6. Limitaciones
81.7. Objetivos
9CAPÍTULO II: MARCO TEÓRICO
102.1. Contexto Global y realidad en Chile de las Instituciones de Apoyo a PYMES
112.2. Modelos de Sobrevivencia
122.3. Modelos de Chi2, P-Valor, Coeficiente de Cramer V, Regresión de Cox y Análisis de Supervivencia de Kaplan-Meier
132.4. Aprendizaje Automático
142.5. Antecedentes De Modelos De AA Con Variables Mas Relevantes
152.6. Fundamentos Teóricos Y Modelos Predictivos Para El Análisis De Emprendimientos
162.7. Métricas de rendimientos
17CAPÍTULO III: METODOLOGÍA
183.1. Datos
193.2. Variables Dependientes
203.3. Variables Independientes: 3.3.1. Preparación de los datos
213.4. Métodos
22CAPÍTULO IV: ANÁLISIS DE RESULTADOS
234.1. Selección de Variables más Relevantes
244.1. Aplicación de los modelos de AA
254.2.1. Resultados de los Modelos con la variable Target desbalanceada
264.2.2. Resultados de los Modelos con la variable Target balanceada aplicando submuestreo con clúster centroid
274.2.3. Resultados de los Modelos con la variable objetivo-balanceada y aplicando sobre muestreo usando Smote
284.3. Modelo seleccionado
294.4. Pronóstico
30CAPÍTULO V: DISCUSIÓN
315.1. Implicaciones Prácticas
325.2. Implicaciones Teóricas
33CAPÍTULO VI: CONCLUSIONES
34APÉNDICE
35A. Plataforma de desarrollo de la solución propuesta
36A.1 Librerías y Bibliotecas utilizadas en el proyecto