Candia, CristiánOyarzún, MelanieManríquez Pacheco, Rodrigo2023-05-102023-05-102022https://repositorio.udd.cl/handle/11447/7490Capstone proyect presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data ScienceA comienzos del 2022 la matrícula total de pregrado en la educación superior llegó a 1.211.797 alumnos en Universidades, Institutos Profesionales (IP) y Centros de formación técnica (CFT). Específicamente los CFT-IP suman más del 43,7% de la matrícula total en Chile, es decir 529.044 alumnos. La deserción estudiantil en la Educación Técnico Profesional constituye una de las principales problemáticas para las Instituciones y sus alumnos, considerando además que, durante la pandemia, la deserción ha aumentado considerablemente en los principales planteles estudiantiles del País. El 45,1% de los alumnos de la cohorte 2016 llegaron hasta último año (permanencia), mientras que el 54,9% restante desertó de su carrera. El presente trabajo tiene como objetivo construir modelos predictivos para la detección de la deserción en los IP en Chile, durante 2016 y el 2022. Lo anterior, se realizará mediante un proceso de identificación de las principales variables predictoras, mediante modelos de Random Forest y Regresiones Logísticas. El resultado de los modelos arrojo una precisión de predicción de un 84% para el modelo Logit y un 81% para el modelo Random Forest, lo cual se contrastó con el análisis de la curva de ROC.41 p.es070037SDeserción estudiantilModelo Random ForestThesis