Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/14322| Título : | LA INTELIGENCIA ARTIFICIAL COMO APOYO EN LA DETECCION DE FRAUDE FISCAL ESTUDIO COMPARATIVO ENTRE MÉTODOS TRADICIONALES Y MODELOS PREDICTIVOS |
| Autor : | LINZAGA CORONA, EMERITA |
| metadata.dc.subject.other: | Inteligencia artificial en fiscalización, Modelos predictivos (Random Forest, Deep Learning, Grok), Analítica de datos contables, Machine learning tributario. |
| Fecha de publicación : | 2026-05-13 |
| Editorial : | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Iguala |
| Descripción : | Esta investigación de Licenciatura en Contaduría del Instituto Tecnológico de Iguala (TecNM) analiza la efectividad de la inteligencia artificial (IA) como apoyo en la detección de fraude fiscal en México, comparando métodos tradicionales con modelos predictivos avanzados (Random Forest, Deep Learning y Grok). Mediante una metodología aplicada, comparativa y de enfoque mixto, se simuló el procesamiento de un dataset contable y fiscal (2020-2025). Los resultados demuestran que los modelos predictivos superan a la fiscalización tradicional al incrementar la precisión del 62% al 91%, reducir los tiempos de revisión de 48 a 4 horas y disminuir un 40% los falsos positivos. Se propone un modelo híbrido para fortalecer el compliance y la transparencia tributaria. |
| metadata.dc.type: | info:eu-repo/semantics/bachelorThesis |
| Aparece en las colecciones: | Contador Público |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| L CON EMERITA LINZAGA CORONA.pdf | Tesis | 1.87 MB | Adobe PDF | Visualizar/Abrir |
| LICENCIA EMERITA LINZAGA CORONA.pdf Until 9999-12-30 | Licencia de uso de Obra | 247.26 kB | Adobe PDF | Visualizar/Abrir Request a copy |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
