https://github.com/jch-datascience/sure_tomorrow_project
https://github.com/jch-datascience/sure_tomorrow_project
Last synced: about 1 month ago
JSON representation
- Host: GitHub
- URL: https://github.com/jch-datascience/sure_tomorrow_project
- Owner: jch-datascience
- Created: 2023-11-29T04:00:23.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2023-11-29T04:02:35.000Z (over 2 years ago)
- Last Synced: 2025-01-25T20:42:56.229Z (over 1 year ago)
- Language: Jupyter Notebook
- Size: 88.9 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Sure-Tomorrow-Project
La compañía de seguros Sure Tomorrow quiere resolver varias tareas con la ayuda de machine learning y te pide que evalúes esa posibilidad.
- Tarea 1: encontrar clientes que sean similares a un cliente determinado. Esto ayudará a los agentes de la compañía con el marketing.
- Tarea 2: predecir si es probable que un nuevo cliente reciba un beneficio de seguro. ¿Puede un modelo de predicción funcionar mejor que un modelo ficticio?
- Tarea 3: predecir la cantidad de beneficios de seguro que probablemente recibirá un nuevo cliente utilizando un modelo de regresión lineal.
- Tarea 4: proteger los datos personales de los clientes sin romper el modelo de la tarea anterior.
Es necesario desarrollar un algoritmo de transformación de datos que dificulte la recuperación de la información personal si los datos caen en manos equivocadas. Esto se denomina enmascaramiento de datos u ofuscación de datos. Pero los datos deben protegerse de tal manera que la calidad de los modelos de machine learning no se vea afectada. No es necesario elegir el mejor modelo, basta con demostrar que el algoritmo funciona correctamente.