Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10908/23071
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.MentorSciolla, Pablo
dc.creator.AutorOrlandi, María Victoria
dc.date.accessioned2023-05-31T21:19:21Z-
dc.date.available2023-05-31T21:19:21Z-
dc.date.issued2022-
dc.identifier.urihttp://hdl.handle.net/10908/23071-
dc.descriptionFil: Orlandi, María Victoria. Universidad de San Andrés. Escuela de Negocios; Argentina.-
dc.description.abstractEl fraude es una práctica delictiva que afecta a todas las organizaciones. Sus consecuencias son tan importantes que hasta pueden generar la quiebra de una compañía. Este es el motivo por el que resulta importante analizar nuevos mecanismos para que su detección sea más eficiente. Es por esto que el presente trabajo de investigación tiene como objeto de estudio indagar en una herramienta particular para su identificación: el deep learning. Para esto, se investigó sobre cuáles son las técnicas que se utilizan en la actualidad y los beneficios y limitaciones que presenta esta rama de la inteligencia artificial. Finalmente, se alcanzaron diferentes conclusiones vinculadas al big data, real time, los datos no estructurados, entre otros, que permiten afirmar que es eficiente para esta tarea.-
dc.formatapplication/pdf-
dc.languagespa-
dc.publisherUniversidad de San Andrés. Escuela de Negocios-
dc.rightsinfo:eu-repo/semantics/openAccess-
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.titleEl uso del deep learning como herramienta para la detección del fraude corporativo-
dc.typeTesis-
dc.typeinfo:eu-repo/semantics/bachelorThesis-
dc.typeinfo:ar-repo/semantics/tesis de grado-
dc.typeinfo:eu-repo/semantics/updatedVersion-
Aparece en las colecciones: Trabajos de Licenciatura en Administración de Empresas y Contador Público

Ficheros en este ítem:
Fichero Tamaño Formato  
[P][W] T.G. A. y C. Orlandi, María Victoria.pdf3.53 MBAdobe PDFVisualizar/Abrir


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