Modelos predictivos, automatización
y ciencia de datos aplicada al negocio.
Embedded Files
Este espacio presenta una selección de proyectos, enfoques analíticos y metodologías aplicadas a Business Intelligence, analítica avanzada y modelos predictivos, desarrolladas en entornos corporativos de retail y manufactura.
Los ejemplos mostrados tienen un propósito exclusivamente profesional y demostrativo, y han sido cuidadosamente construidos para no contener información confidencial, sensible o estratégica de ninguna organización. Su objetivo es ilustrar cómo la analítica de datos, la automatización y el uso de modelos supervisados pueden mejorar la toma de decisiones comerciales, el pricing, el análisis de demanda y la eficiencia operativa.
Este sitio funciona como un portafolio técnico–profesional, enfocado en el uso riguroso de herramientas como Power BI, Snowflake, Alteryx, Python y modelos predictivos, y refleja una trayectoria corporativa orientada a generar impacto en negocio, integrando análisis profundo con visión estratégica.
Esta herramienta de código abierto permite la digitalización eficiente de minutas de reuniones y entrevistas de mercado, eliminando costos de transcripción externa y acelerando la obtención de insights cualitativos en un 80%.
Modelos de IA: Google Web Speech API para el reconocimiento de voz de alta precisión.
Procesamiento: Pydub para la manipulación y segmentación inteligente de audio y SpeechRecognition para la lógica de conversión.
Lógica de Segmentación: Algoritmos de detección de silencio para el manejo eficiente de archivos de audio de larga duración.
Predecir con alta precisión la cantidad de productos en pedidos que no podrán entregarse a tiempo (backorders). Mejorar la planificación de inventarios, reducir costos operativos y elevar la satisfacción del cliente al minimizar las entregas fallidas.
Algoritmo: RandomForestRegressor.Innovaciones Clave: Implementación de Transformación Box-Cox en la variable objetivo para estabilizar la varianza y mejorar la normalidad, seguida de una Normalización (StandardScaler) de las características para un entrenamiento estable.
Resultado: Un salto masivo de precisión desde un inicial $R^2 \approx 20\%$ hasta un exitoso y confiable $R^2 = 97\%$.
Obtener automáticamente los detalles de los contratos de vivienda del gobierno en cada estado. Sirve para comparar cuánta inversión hay en diferentes regiones, saber qué empresas están ganando los proyectos y revisar que todo esté en orden con datos reales y oficiales.
Algoritmo: Web Scraping Avanzado (Playwright & BeautifulSoup). Innovaciones Clave: Creación de un sistema que navega solo por páginas web complejas (menús y botones que cambian), capaz de leer información desordenada y entregarla lista para usarse en tablas de Excel o reportes de Power BI.
Resultado: Control total de la inversión sin trabajo manual, capturando datos clave como el dinero invertido, cuántas casas se construyen y cuánto cuesta cada una, con el enlace directo al contrato original en PDF.
Recuperar y mejorar material visual histórico o de baja calidad para su uso en medios digitales de alta resolución. Automatizar la limpieza de ruido y reparación de daños físicos (arañazos/manchas) en archivos fotográficos, reduciendo el trabajo de edición manual en un 90%
Modelos de IA: Real-ESRGAN (Super-resolución x4) y GFPGAN (Restauración facial).
Procesamiento: OpenCV (Inpainting TELEA, CLAHE, Filtros Bilaterales).
Interfaz: Gradio para la creación de la aplicación web interactiva.
Infraestructura: Optimizado para ejecución en CUDA (GPU) con soporte para CPU.
Page updated
Google Sites
Report abuse