1 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.
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.
API Y MODELO EN TIEMPO REAL ——— 👉
Aplicación en: Hugging Face 🤗
API Repositorio Git-Hub
Repositorio Modelo LGBMRegressor
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 🤗
Repositorio Git-Hub