González Gómez, Daniel EnriqueRestrepo Castaño, Daniel Gabriel2025-10-222025-10-222025http://hdl.handle.net/11522/4960Este proyecto aborda la identificación de los principales determinantes de la pobreza monetaria en Colombia mediante un enfoque integral basado en ciencia de datos y técnicas de aprendizaje automático. A partir de un análisis exhaustivo de factores socioeconómicos, demográficos y de vivienda, se desarrollarán modelos predictivos que permitirán identificar hogares en riesgo de caer en la pobreza. Se utilizarán datos de la Gran Encuesta Integrada de Hogares (GEIH) del DANE y otros conjuntos de datos, aplicando técnicas avanzadas de análisis y modelado para mejorar la comprensión de la pobreza. Los resultados proporcionarán evidencia clave para el diseño de políticas públicas más focalizadas y efectivas en la reducción de la pobreza monetaria en el país.40 p.application/pdfspaPobreza monetariaCiencia de datosMachine learningAnálisis socioeconómicoPredicción de pobrezaMonetary povertyData scienceMachine learningSocioeconomic analysisPoverty predictionmaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2