Práctica realizada con datos reales del sector financiero, enfocada en mejorar la gestión del riesgo crediticio. Identificada la necesidad de optimizar los procesos de evaluación de crédito para reducir el riesgo de default, este proyecto utiliza técnicas avanzadas de Machine Learning para clasificar a los nuevos clientes de manera más precisa, permitiendo una mejor segmentación de los riesgos y, en consecuencia, una mejor gestión de los créditos.

• Limpieza_Procesamiento_Datos.py: Script para la limpieza y procesamiento de datos.
• Entrega 3 - ETL.ipynb: Notebook para el proceso ETL.
• clustering.txt: Código para aplicar clustering a los datos.

1. Ejecuta el script de limpieza de datos para preparar los datos.
2. Usa el notebook de ETL para transformar y cargar los datos.
3. Aplica el clustering para analizar los datos.

dixrow gmartinezbe EduardoLoz12 mperezvic jvilaa30 pepelopelope unaizabaleta

Este proyecto está bajo la Licencia MIT. Para más detalles, consulta el archivo LICENSE.