Un año de experiencia en el Ciclo Completo de Data Science - Pruebas Estadísticas | Análisis de Datos | Modelado de Datos | Machine Learning | NLP | Redes Neuronales | Inglés B2 | Actualmente trabajo como científico de datos para una pequeña empresa de ferretería. Mi pasión por la ciencia de datos me empuja a seguir descubriendo nuevas maneras de optimizar procesos.

Curriculum

LinkedIn

Git-Hub

Mail

Habilidades Técnicas

PROYECTOS

Providencia | Optimización 🧰

Tecnologías:

Python | Streamlit | SciPy | Pandas | Scikit-Learn | LGBMRegressor | Docker | Hugging Face

Descripción:

Desarrollé una API para la facturación electrónica y la administración de inventarios. Después, recopilé, limpié y analicé data de 3 años. Así mismo desarrollé un Modelo de Regresión Lineal basado en Series Tiempo para predecir el volumen de ventas mensuales.

Resultados:

Se redujo la carga en la revisión de inventarios en un 35%. Se paso de un chequeo mensual de 200 productos a 70.

Aplicación en: Hugging Face 🤗👇

Providencia App

API Repositorio Git-Hub

GitHub - AeroGenCreator/Providencia-App: 🧰 Aqui se recopila el codigo y la data utilizada para la creacion de un entorno de gestion de inventario, estadistica y aprendizaje de maquina negocio (Practica Real y En Uso).

Repositorio Modelo LGBMRegressor

Rusty-Bargain | Estimación Precio | Autos Usados 🚗

Tecnologías:

Hugging Face | Docker | Streamlit | Python | Scikit-Learn | Pandas | Numpy

Descripción:

Analicé más de 300,000 registros del mercado automotriz para desarrollar un modelo predictivo de alta fidelidad. Optimicé algoritmos de Machine Learning hasta alcanzar una precisión de R2 = 86% con un error medio de solo €970, superando el objetivo de negocio del 75%. Implementé el sistema mediante Docker para asegurar que sea escalable y facilitar su integración en mercados actuales, incluyendo el mexicano. Pero una imagen vale más que mil palabras: te invito a probar el modelo por ti mismo y estimar el valor de mercado de tu auto en el siguiente enlace:

Modelo en: Hugging Face 🤗👇

huggingface.co

Repositorio Git-Hub

GitHub - AeroGenCreator/Second-Hand-Cars-RandomForestRegressor: 🚗 | Rusty-Bargain | Estimación de Precio Para autos Usados

OilyGiant | Riesgo de Inversión 💰

Tecnologías:

Python | Streamlit | Pandas | Scikit-Learn | LinearRegression | Numpy

Objetivo:

• Optimizar la inversión en la industria petrolera identificando los 200 pozos con mayor potencial de ganancias para 3 regiones geológicas distintas. Umbral de inversión de $100,000,000.00

Descripción:

Se realizó un Análisis Exploratorio de Datos (EDA) exhaustivo por región. Se entrenó un modelo de Regresión Lineal separado para cada una de las tres regiones geológicas. Mediante la técnica de Bootstrapping (1000 muestras) se evaluó el riesgo de inversión y se calcularon los intervalos de confianza para las ganancias totales proyectadas.

Resultados:

El análisis demostró un 0% de riesgo de inversión en las tres regiones bajo el umbral establecido. La Región 0 se identificó como la más rentable.

Andres Alberto Lopez Mendoza TripleTen Certificado.pdf