Torra Porras, SalvadorSinisterra Tobar, Jhonny2022-11-282022-11-282022https://hdl.handle.net/2445/191176Treballs Finals del Màster de Ciències Actuarials i Financeres, Facultat d'Economia i Empresa, Universitat de Barcelona, Curs: 2021-2022, Tutor: Salvador Torra PorrasLos modelos GLM cuentan con una tradición, confianza y respaldo por parte de la industria aseguradora en términos de medición de riesgos que ahora pueden complementarse con métodos y algoritmos que provienen de la inteligencia artificial. Los modelos XGBoost pueden ser una alternativa comparable en términos de precisión con los GLM, tienen una fácil implementación y pueden identificarse las variables con mayor importancia e influencia en los resultados. En este trabajo se han utilizados las herramientas y lenguajes de programación más reconocidos (R, Python. Scikit-Learn, TensorFlow y Keras) para estimar modelos GLM y de Inteligencia Artificial para clasificación y regresión tales como Random Forest, XGBoost y Redes Neuronales.127 p.application/pdfspacc-by-nc-nd (c) Sinisterra Tobar, 2022http://creativecommons.org/licenses/by-nc-nd/3.0/es/Aprenentatge automàticAssegurancesLlenguatges de programacióTreballs de fi de màsterMachine learningInsuranceProgramming languages (Electronic computers)Master's thesesinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccess