155 Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías aplicando técnicas de minería de datos Claudio José Carrizo cjcarrizo77@gmail.com / Universidad Tecnológica Nacional San Francisco San Francisco, Argentina Recepción: 1-7-2018 / Aceptación: 21-8-2018 Resumen. La ingeniería cumple un rol fundamental en el desarrollo económico y el bienestar social de un país. Por este motivo, en el 2012 el gobierno nacional de Argentina impulsó el “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, con el objetivo de incrementar la cantidad de graduados en carreras de ingeniería, en pos de mejorar la industria, la innovación productiva y la expansión económica de dicho país. El propósito del presente trabajo es construir un modelo predictivo a través de técnicas de minería de datos que permita, por un lado, determinar la cantidad de alumnos que pueden graduarse en carreras de ingenierías de UTN Facultad Regional San Francisco, y por otro lado, identifcar patrones que puedan incidir en la graduación. Los resultados de este proyecto representarán un aporte a la gestión académica en lo que respecta a la planifcación, el seguimiento y el control de las cohortes de alumnos de las carreras de ingeniería. Palabras clave: modelo predictivo, minería de datos, graduados, ingeniería, UTN Predictive model for determining students’ graduation from engineering undergraduate programs using data mining techniques Abstract. Engineering plays a fundamental role for the economic development and social welfare of a country. For this reason, the National Government promoted in 2012 the “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, aiming to increase the number of graduates in engineering careers, in order to improve industrial development, productive innovation and economic expansion of Argentina. Te purpose of this work is to build a predictive model through data mining techniques that allow, on one hand, determine the number of students who can graduate in engineering careers at UTN Facultad Regional San Francisco, and, on the other hand, identify patterns that may afect graduation. Te results of this project will represent a contribution for the area of academic management, specifcally for planning, monitoring and control keeping of engineering student cohorts. Keywords: predictive model, data mining, graduates, engineering, UTN