| dc.contributor | Arango Londoño, David | |
| dc.contributor | Sierra, Lya Paola | |
| dc.creator | Cerón Ordoñez, Julieth Stefens | |
| dc.creator | Trujillo, Emerson | |
| dc.date | 2024-06-08T17:56:02Z | |
| dc.date | 2024-06-08T17:56:02Z | |
| dc.date | 2023 | |
| dc.date.accessioned | 2026-10-15T17:12:53Z | |
| dc.date.available | 2026-10-15T17:12:53Z | |
| dc.identifier | https://vitela.javerianacali.edu.co/handle/11522/2058 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/190132 | |
| dc.description | En los últimos dos años, la economía regional en Colombia ha sufrido choques económicos y sociales sin precedentes debido a la pandemia del Covid19 y el paro nacional. En consecuencia, las técnicas econométricas tradicionales de pronóstico del mercado laboral pueden resultar inadecuadas o insuficientes para capturar las nuevas condiciones y tendencias macroeconómicas. Este proyecto aplicado combina variables del mercado laboral, búsquedas en Google Trends y el Indicador Mensual de Actividad Económica (IMAE) como variable macroeconómica, para estimar un indicador del mercado laboral en tres ciudades en Colombia: Cali, Medellín y Popayán utilizando técnicas de Machine Learning. Con el uso de Máquinas de Soporte Vectorial para Regresión y Redes Neuronales se pronosticaron las tasas de desempleo y ocupación laboral para anticipar los datos oficiales proporcionados por el Departamento Administrativo Nacional de Estadística (DANE) en 1 mes. Los resultados de este estudio muestran que los errores de pronóstico de los modelos propuestos son bajos, que la previsión mejora con relación al modelo de referencia tradicional ARIMA y que las estimaciones se adaptan rápidamente a los cambios estructurales en el mercado laboral regional. | |
| dc.format | 69 p. | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Pontificia Universidad Javeriana Cali | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights | http://purl.org/coar/access_right/c_abf2 | |
| dc.subject | Machine learning | |
| dc.title | Uso de técnicas de machine learning para la predicción de las tasas de desempleo y ocupación en tres ciudades de Colombia: Cali, Medellín y Popayán | |
| dc.type | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type | Tesis/Trabajo de grado - Monografía - Maestría | |
| dc.type | https://purl.org/redcol/resource_type/TM | |
