Predicción de la deserción estudiantil: Machine learning para fines sociales

Esta charla presentará el desarrollo de modelos predictivo para detectar la deserción estudiantil universitaria, utilizando técnicas modernas de machine learning con datos reales. Se abordará la metodología CRISP-DM como marco estructurado para el análisis, desde la comprensión del problema hasta la evaluación de los modelos. Se discutirán estrategias para manejar el desbalanceo de clases —un desafío común en este tipo de problemas— como sobremuestreo y submuestreo, así como técnicas de validación cruzada (k-fold cross-validation) y partición en conjuntos de entrenamiento y prueba. Se mostrarán y compararán diversos modelos de machine learning, destacando su desempeño y aplicabilidad en contextos educativos.