Experiencia en visualización, automatización y machine learning. Análisis de datos y herramientas cloud.
Crear una herramienta interactiva que ayude a los usuarios a descubrir nuevas películas. Utilizando un enfoque de filtrado basado en contenido, el sistema analiza atributos de las películas como el género, director, actores y palabras clave del argumento para encontrar y sugerir títulos con características similares a la película seleccionada por el usuario.
· Recomendaciones Basadas en Contenido: Elige una película de la lista y el sistema te devolverá las 5 más parecidas.
· Integración con Streamlit: La aplicación fue desarrollada en Streamlit y se ha implementado diversos sistemas de recomendación como jaccard, sistema bayesiano o knn, demostrando su versatilidad.
Una compañía de telecomunicaciones necesitaba una forma de anticipar qué clientes estaban en riesgo de abandonar su servicio. El objetivo era construir un modelo predictivo para identificar a estos clientes y permitir al equipo de retención actuar de forma proactiva.
1. Análisis y Preprocesamiento: Se procesó un dataset con información demográfica, de servicios contratados y facturación. Se aplicó one-hot encoding a variables categóricas (ej. tipo de contrato) y se escalaron las características numéricas para el entrenamiento.
2. Modelado y Evaluación: Se compararon varios algoritmos de clasificación, como Regresión Logística y Random Forest. Dado que el abandono de clientes suele ser un evento menos frecuente, se priorizaron métricas como el F1-Score y el AUC-ROC para evaluar el rendimiento en clases desbalanceadas.
3. Selección del Modelo: El modelo Random Forest fue seleccionado por su capacidad para capturar interacciones complejas y su robusto rendimiento en las métricas de evaluación, demostrando ser el más eficaz para este caso de uso.
Una empresa del sector Fintech necesitaba una solución para identificar transacciones fraudulentas en su plataforma de dinero móvil. El objetivo era desarrollar un modelo de Machine Learning capaz de distinguir con alta precisión entre transacciones legítimas y fraudulentas para proteger a sus usuarios y minimizar pérdidas.
1. Preprocesamiento de Datos: Se realizó una limpieza exhaustiva del dataset, tratando valores faltantes, codificando variables categóricas (como el tipo de transacción) y normalizando las características numéricas para preparar los datos para el modelado.
2. Construcción de Modelos: Se experimentó con varios algoritmos de clasificación, incluyendo Regresión Logística, Árboles de Decisión y Random Forest, para encontrar el que mejor se ajustara al problema.
3. Evaluación y Selección: Utilizando métricas clave para problemas de fraude como F1-Score y el Área Bajo la Curva ROC (AUC-ROC), se evaluó el rendimiento de cada modelo. El modelo Random Forest demostró ser el más robusto y preciso, siendo seleccionado para la implementación final.
Visualizar y analizar métricas clave de ventas a través de un dashboard interactivo. La aplicación, desarrollada en Streamlit, se integra directamente en este portafolio para una experiencia de usuario fluida y unificada, demostrando la capacidad de combinar diferentes tecnologías en una única solución.
· Visualización de Datos: Gráficos dinámicos que muestran tendencias de ventas, rendimiento de productos y segmentación de clientes.
· Interactividad: Filtros por fecha, región o categoría de producto para un análisis personalizado en tiempo real.
Este proyecto utiliza datos de una encuesta del CIS para realizar un análisis estadístico profundo. El objetivo no es predecir, sino entender qué variables (ideología, situación económica, etc.) tienen mayor impacto en la decisión de un votante de cambiar su voto. Se aplica un pipeline completo desde la limpieza de datos (ETL) hasta el modelado inferencial con Regresión Logística y Random Forest para extraer conclusiones significativas.
Este proyecto es una interfaz interactiva para consultar el I Ching, el "Libro de los Cambios". Mi humilde contribución busca acercar este sistema milenario, que fascinó a pensadores como Gottfried Wilhelm Leibniz por su reflejo del sistema binario. Es un puente entre la filosofía oriental y los fundamentos de la computación.
· Enlace Externo: Demostración de cómo integrar y enlazar a recursos externos de valor desde el portafolio.
· Contexto Histórico: La descripción resalta la conexión entre el I Ching y figuras clave del pensamiento occidental como Leibniz.
