Vázquez Báez, Víctor ManuelYáñez Pérez, GabrielaVAZQUEZ BAEZ, VICTOR MANUEL; 268798Guevara Aguilar, Ana Karen2025-06-042025-06-042024-12-03https://hdl.handle.net/20.500.12371/28709"El análisis de sistemas físicos mediante mediciones siempre está limitado por la capacidad de adquisición, generando datos discretos de los cuales es necesario extraer información o predicciones. Tradicionalmente, estas tareas se han abordado con métodos de interpolación, ajuste y extrapolación. En el ámbito de las series de tiempo, los problemas principales son la interpolación de datos faltantes y la predicción fuera del rango de medición. Aunque existen métodos numéricos eficientes, su uso se vuelve limitado al manejar grandes volúmenes de datos (superiores a 10^6). Este escenario, junto con el aumento en la capacidad de cómputo, ha impulsado el uso de algoritmos de ciencia de datos, especialmente aquellos basados en inteligencia artificial y aprendizaje automático, aplicados en diversas plataformas como motores de búsqueda, streaming o navegación. En este contexto, la predicción de series de tiempo es abordable mediante inteligencia artificial. Este trabajo plantea el uso de redes neuronales para predecir valores de activos financieros utilizando Scikit-Learn y TensorFlow en Python, con el objetivo de generar predicciones diarias a mediano y largo plazo. Se presentan los fundamentos teóricos (Capítulos 1 y 2), la aplicación al mercado financiero (Capítulo 3), los resultados obtenidos (Capítulo 4) y las conclusiones finales".pdfspaINGENIERÍA Y TECNOLOGÍAFinanzas--Inversión, formación de capital, especulación--Análisis de inversionesFinanzas--Modelos matemáticosAnálisis de series de tiempo--Procesamiento de datosAdministración de portafolios--Procesamiento de datosAprendizaje automático (Inteligencia artificial)Tesis de licenciaturaopenAccess