1. DSpace en ESPOL
  2. Unidades Académicas
  3. Facultad de Ciencias Sociales y Humanísticas
  4. Tesis de Maestría en Contabilidad Y Auditoria Mención Analítica De Datos
Por favor, use este identificador para citar o enlazar este ítem: http://www.dspace.espol.edu.ec/handle/123456789/67597
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorMiranda Gómez, Kevin Andrés-
dc.contributor.authorOlmedo Navarro, Cesar Alejandro, Director-
dc.contributor.authorArmijos de la Cruz, Benigno Alfredo, Evaluador 1-
dc.contributor.authorVásquez Castro, Caterine Narcisa, Presidenta-
dc.date.accessioned2026-02-06T15:43:10Z-
dc.date.available2026-02-06T15:43:10Z-
dc.date.issued2025-
dc.identifier.citationMiranda Gómez K.A. (2025) Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna [proyecto de Titulación] Escuela Superior Politécnica del Litorales_EC
dc.identifier.urihttp://www.dspace.espol.edu.ec/handle/123456789/67597-
dc.descriptionCONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto se orienta a resolver la necesidad de detectar de manera anticipadas patrones inusuales en las transacciones comerciales de una empresa exportadora del sector acuícola, con el propósito de fortalecer la auditoría financiera moderna y contemporánea y minimizar riesgos asociados a prácticas irregulares o fraudes. El objetivo principal del trabajo fue utilizar modelos de análisis predictivo que, mediante la aplicación de técnicas de aprendizaje automático, posibilite la identificación de comportamiento extraños y tendencias relevantes en los mercados de exportación y mercado local. La metodología adoptada se basó en el modelo CRISP-DM, que se caracteriza en los proyectos de ciencia de datos, integrando las fases de comprensión del negocio y de los datos, preparación, modelado, evaluación y diseño de la propuesta; se clasifica como un proyecto de solución tecnológica. La estructura del trabajo empieza desde la exposición del problema hasta la implementación e interpretación de algoritmos de machine learning supervisados y no supervisados, que incluyen DBSCAN, isolation forest, random forest y regresión logística, para finalmente formular una propuesta de aplicación. Como parte significativa, el proyecto permitió identificar con precisión patrones y anomalías que optimizan el control interno en contabilidad, respaldan decisiones estratégicas y dotan a la empresa de una herramienta muy útil en la nube para el monitoreo continuo de sus transacciones, incorporando capacidades analíticas de un nivel alto a su sistema de control interno.es_EC
dc.description.abstractCONDITION FOR PUBLICATION OF PROJECT.es_EC
dc.publisherESPOL.FCSHes_EC
dc.subjectAnálisis Predictivoes_EC
dc.subjectPatroneses_EC
dc.subjectTransacciones comercialeses_EC
dc.subjectEmpresa exportadoraes_EC
dc.subjectSector acuícolaes_EC
dc.subjectUtilizando Machine Learninges_EC
dc.subjectAuditoría Financiera Modernaes_EC
dc.titleAnálisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera modernaes_EC
dc.typeThesises_EC
dc.identifier.codigoespolT-115631-
dc.identifier.codigoproyectointegradorPOSTG094-
Aparece en las colecciones: Tesis de Maestría en Contabilidad Y Auditoria Mención Analítica De Datos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-115631 POSTG094 MIRANDA KEVIN.pdf2.73 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.