Caracterización de contribuyentes deudores del impuesto vehicular en el departamento de Antioquia.
| dc.contributor.advisor | Parra Sánchez, Juan S. | |
| dc.contributor.author | Patiño Montoya, Damián | |
| dc.contributor.author | Silva Rojas, Elizabeth | |
| dc.contributor.author | Herrera Rios, Jhonatan | |
| dc.date.accessioned | 2023-10-13T22:31:13Z | |
| dc.date.available | 2023-10-13T22:31:13Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Este trabajo de investigación se centra en el análisis y comprensión del perfil de los contribuyentes deudores del impuesto vehicular en el departamento de Antioquia utilizando técnicas de Aprendizaje Automático (Machine Learning). El objetivo principal es identificar patrones y tendencias de estos contribuyentes, considerando variables socioeconómicas, geográficas y tributarias. La evasión fiscal y la falta de cumplimiento son problemas comunes en muchos países, incluyendo Colombia, y tienen consecuencias económicas y sociales significativas. Por lo tanto, comprender los determinantes del incumplimiento tributario es fundamental para el desarrollo económico, social y financiero del país. El presente proyecto se desarrolla mediante un proceso de investigación que involucra la extracción y transformación de los datos relacionados con los contribuyentes del impuesto vehicular. Se utilizó una técnica no supervisada de clusterización para agrupar a los contribuyentes en categorías con características similares, lo cual ayuda a comprender mejor su comportamiento e identificar los factores que influyen en el incumplimiento del pago del impuesto.El trabajo se lleva a cabo utilizando herramientas de procesamiento de datos y equipos de cómputo adecuados, garantizando la confidencialidad y seguridad de la información proporcionada por la Secretaría de Hacienda de la Gobernación de Antioquia. La metodología utilizada es CRISP-DM, un proceso estándar para proyectos de minería de datos.En la preparación y procesamiento de los datos, se ejecutaron diversas tareas en diferentes etapas. En la primera fase, llamada Entendimiento y comprensión del negocio, se obtuvieron las bases de datos necesarias y se realizó un inventario de fuentes de información. En la segunda fase, titulada Estudio y comprensión de los datos, se creó un repositorio de código fuente para el análisis exploratorio de los datos. En la tercera fase, denominada Preparación de los datos, se llevó a cabo la limpieza de los datos, la integración de los datos relevantes y la unión de los conjuntos de datos después de su preprocesamiento, finalmente se llegó a la etapa de modelado, donde utilizando el algoritmo de K-Means, se pudieron obtener 5 grupos de deudores. A través del modelo realizado, se evalúan los resultados obtenidos con las características de los diversos clústeres. | spa |
| dc.format.extent | 77 p. | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.uri | http://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/1990 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad Católica Luis Amigó | spa |
| dc.publisher.faculty | Escuela de Posgrados | spa |
| dc.publisher.place | Medellín | spa |
| dc.rights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.creativecommons | https://creativecommons.org/licenses/by/4.0/ | spa |
| dc.rights.uri | https://creativecommons.org/licenses/by-nd/4.0/ | spa |
| dc.source | Universidad Catolica Luis Amigó | spa |
| dc.source | RI-UCLA | spa |
| dc.subject | Categorización | spa |
| dc.subject | Impuestos | spa |
| dc.subject | Big Data | spa |
| dc.subject | Machine Learning | spa |
| dc.subject.armarc | a | |
| dc.title | Caracterización de contribuyentes deudores del impuesto vehicular en el departamento de Antioquia. | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_1843 | spa |
| dc.type.driver | info:eu-repo/semantics/article | spa |
| dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Especialización | spa |
| oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| oaire.version | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| thesis.degree.discipline | Escuela de posgrados. Especialización en Big Data e Inteligencia de Negocios. | spa |
| thesis.degree.grantor | Universidad Católica Luis Amigó | spa |
| thesis.degree.level | Especialización | spa |
| thesis.degree.name | Especialista en Big Data e Inteligencia de Negocios. | spa |