El desarrollo del proyecto ha permitido elaborar un modelo de clasificación que determine la probabilidad de cometer impago de las personas que solicitan un crédito, utilizando diferentes modelos de machine learning, entre los que se encuentran algoritmos evolutivos, un modelo de ensemble de árboles de clasificación (LightGBM), optimización bayesiana de hiperparámetros del LightGBM y un modelo K-nearest neighbor (KNN) para estimar el riesgo a medida que se va recopilando la información, tomando decisiones e influyendo en el proceso de contratación desde el mismo momento en que la información es recolectada. La API ha sido realizada mediante Shiny. El resultado de todo el proyecto ha permitido la puesta en producción de un modelo de predicción de impago, realizado en Python, sobre préstamos bancarios; además de la creación de una API que puede ser utilizada por una entidad bancaria en casos reales y permite la explotación del modelo desde la misma.