Análisis de Riesgo Crediticio Este proyecto se centra en el análisis de riesgo crediticio para un banco alemán utilizando técnicas de machine learning. El objetivo es predecir el riesgo de incumplimiento crediticio de los clientes mediante la aplicación de modelos de clasificación como Regresión Logística, Árboles de Decisión, Random Forest y Naive Bayes.

Objetivo El objetivo principal del proyecto es ayudar al banco a tomar decisiones más informadas y efectivas en su proceso de otorgamiento de créditos. Se busca proporcionar herramientas que permitan evaluar de manera precisa y eficiente el riesgo asociado a cada cliente, lo que puede ayudar a minimizar las pérdidas y optimizar la cartera de préstamos.

Estructura del Repositorio data: Carpeta que contiene el conjunto de datos utilizado en el análisis. notebooks: Carpeta que contiene los cuadernos Jupyter utilizados para el análisis de datos y la construcción de modelos. results: Carpeta que contiene los resultados obtenidos, como métricas de rendimiento y matrices de confusión. src: Carpeta que contiene código fuente adicional, si corresponde.

Instrucciones de Uso Clona este repositorio en tu máquina local. Explora los cuadernos Jupyter en la carpeta notebooks para revisar el análisis de datos y la construcción de modelos. Examina los resultados en la carpeta results para obtener métricas de rendimiento y matrices de confusión. Contribuye con mejoras o sugerencias mediante solicitudes de extracción (pull requests).