tesis de maestría.page.titleprefix
Predicción del empleo formal en la República Argentina aplicando algoritmos de aprendizaje automático

dc.contributor.authorÁlvarez, Fernando Hipólito
dc.date.accessioned2025-04-04T16:09:32Z
dc.date.available2025-04-04T16:09:32Z
dc.date.issued2024
dc.description.abstractEl empleo formal puede asociarse con una mejor calidad de vida, dado que está vinculado a una serie de derechos y beneficios amparados por la legislación vigente. Un elevado nivel de empleo formal no solo promueve una mejora de la sociedad en general, sino que también contribuye a una mayor eficiencia económica. En este contexto, cuantificar el nivel de empleo formal adquiere una relevancia crítica, especialmente en economías como la de Argentina, donde una proporción significativa de la población se encuentra empleada en el sector informal. En este trabajo se realiza un procedimiento para predecir el nivel de empleo formal en Argentina en tiempo futuro, utilizando los datos de la Encuesta Permanente de Hogares (EPH). Dado el retraso de estos datos, no es posible realizar políticas públicas en tiempos adecuados, por lo tanto, una estimación correcta es de gran importancia. Se utilizan algoritmos de Aprendizaje Automático y se realiza la comparación de los resultados. El modelo XGBoost se destacó por su precisión, superando a otros modelos.
dc.identifier.urihttps://ri.itba.edu.ar/handle/123456789/4908
dc.language.isoes
dc.subjectEMPLEO
dc.subjectSALIDA LABORAL
dc.subjectROTACIÓN LABORAL
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.subjectALGORITMOS
dc.titlePredicción del empleo formal en la República Argentina aplicando algoritmos de aprendizaje automático
dc.typeTesis de Maestría
dspace.entity.typeTesis de Maestría
itba.description.filiationFil: Álvarez, Fernando Hipólito. Instituto Tecnológico de Buenos Aires, Argentina.

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Tesis ITBA Alvarez FernandoFinal.pdf
Size:
2 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections