De la Cruz Gonzales, KeylaMamani Apaza, GuillermoGaleano Villar, Amador JuniorVargas Cisneros, Zannier Noe2019-12-052019-12-052019-12-02http://repositorio.upeu.edu.pe/handle/20.500.12840/2519El lavado de activos es uno de los delitos que viene afectando a la economía del país. Grandes cantidades de dinero se lavan todos los años. Según Daniel Linares, intendente de Análisis Operativo de la UIF estimó que entre junio de 2016 y mayo de 2017 el monto investigado aumentó en 125%. Por esta razón, este estudio tiene como objetivo identificar modelos de aprendizaje automático propuestos, diseñados o implementados para el apoyo en la detección de transacciones sospechosas de lavado de activos en entidades financieras. Para lograr identificar los modelos de aprendizaje automático se realizó una revisión sistemática de la literatura de las investigaciones publicadas en las diferentes librerías digitales indexadas. De un total de 485 artículos revisados, se identificaron 20 artículos que hacen referencia a los modelos de aprendizaje automático. Cabe destacar que los modelos de aprendizaje automático son comúnmente utilizados para apoyar en la detección de transacciones sospechosas de lavado de activos por su adecuación al entorno cambiante, siendo esto una de sus ventajas sobre los sistemas tradicionales de monitorización. Actualmente existen diversidad de métodos, algoritmos y técnicas de aprendizaje automático aplicados para lograr este fin, siendo los algoritmos de agrupación los que mayormente se utilizan según los estudios seleccionados.application/pdfspainfo:eu-repo/semantics/openAccessModelos de aprendizaje automáticoAlgoritmos de aprendizajeTransacciones sospechosasLavado de activosinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.11.02