La necesidad de prever y optimizar el gasto de sus usuarios ha llevado a una empresa de comercio electrónico a buscar soluciones innovadoras. Como científicos de datos, hemos sido convocados para desarrollar un modelo de machine learning que pueda predecir con precisión cuánto gastará un usuario al visitar dicho sitio web.

Una entidad gubernamental responsable de la gestión de la salud en Nueva Zelanda, enfrenta el desafío de comprender y analizar la propagación del COVID-19 para tomar decisiones informadas y eficaces en la gestión de la pandemia. Para brindarles herramientas de apoyo, analizamos los datos relacionados con el virus y presentaremos algunos insights a través de visualizaciones que respondan a preguntas claves.

La importancia de reducir el riesgo crediticio ha llevado a una institución financiera alemana a buscar soluciones innovadoras. Como científicos de datos, hemos sido convocados para construir un modelo de machine learning preciso y confiable que sea capaz de evaluar con mayor precisión la probabilidad de incumplimiento crediticio de sus clientes.

Salifort leadership team asks you to analyze the survey data and come up with ideas for how to increase employee retention. To help with this, they suggest you design a model that predicts whether an employee will leave the company based on their job title, department, number of projects, average monthly hours, and any other relevant data points. A good model will help the company increase retention and job satisfaction for current employees, and save money and time training new employees.

El objetivo de este proyecto capstone es aplicar técnicas y herramientas para el big data. Las galaxias se pueden clasificar por su forma en espiral o elíptica, pero existen muchos estados intermedios con formas irregulares, tamaño y brillo que dependen de su edad y posición, identificar cada una de las imágenes con un tipo de galaxia.

La tienda online de moda brasileña eBRASIL, con presencia en todo el territorio brasileño, necesita impulsar su rendimiento utilizando sus datos de manera estratégica. Con los datos que nos proporciona la empresa, los cuales están almacenados en archivos excel, se decide crear una base de datos sql para poder migrarlos a la nube y reducir así los tiempos de acceso a la información, además los ayudará para poder escalar los datos de forma eficiente en el futuro.

Este informe presenta un análisis de los datos recopilados mediante dispositivos de monitoreo de rendimiento deportivo. El análisis se centra en la evaluación de la "relación de carga de trabajo aguda a crónica" (ACWR), un indicador clave en la gestión de cargas de entrenamiento y prevención de lesiones. Este enfoque se aplica tanto para monitorear el rendimiento de individuos como para evaluar el estado general de un equipo o grupo, facilitando la toma de decisiones informadas sobre el bienestar físico y el rendimiento deportivo. Los datos utilizados en este informe son solo un ejemplo aplicable a cualquier conjunto de datos de rendimiento deportivo similar.

Los métodos de ensamble en Machine Learning son técnicas que combinan múltiples modelos de aprendizaje para mejorar la precisión predictiva. El objetivo es aprovechar la diversidad de los modelos para mejorar la generalización y reducir el sobreajuste, produciendo así predicciones más precisas y robustas.

These classes are designed to facilitate various tasks related to: modeling, manipulation, visualization, data processing, training and evaluation of machine learning models, as well as different statistical techniques, in a simple and low-code way.

El Glosario de Machine Learning de Google para Desarrolladores es una valiosa fuente de definiciones relacionadas con el aprendizaje automático. Lo traduje al español para que todos puedan acceder a el aunque no cuenten con nivel de inglés acorde. Puedes explorar más términos en el Glosario de Machine Learning de Google en inglés.

Utilizaremos modelos clasificadores de boosting y stacking, aplicaremos transformacion Box-Cox, haremos sub/sobremuestreo de clases, calibraremos probabilidades, usaremos pesos de clases y mucho mas ¡será interesante!

Minerals are rated on a scale of 1 to 10, with 1 being the softest (talc) and 10 being the hardest (diamond). Regression with this data set involves using specific characteristics of the minerals (such as their chemical composition, crystal structure, etc.) to predict their hardness on the Mohs scale. This type of analysis can be useful in geology, mining and other areas related to the identification and characterization of minerals.

Forecasts are especially relevant for traditional grocery stores, which must carefully control the amount of inventory they must purchase. If the forecast is a little longer, grocers will be stuck with perishable and overstocked products. If you guess a little less, popular items sell out quickly, causing lost revenue and customer upset. More accurate forecasting, powered by machine learning, could help ensure retailers delight customers by having enough of the right products at the right time.

El mercado inmobiliario en Montevideo presenta una gran variedad de precios debido a múltiples factores como la ubicación, el tamaño, el estado de la propiedad, entre otros. Este proyecto busca construir un modelo predictivo que pueda estimar el precio de una casa basándose en estas características. Este proyecto tiene como objetivo servir como introducción al uso de la biblioteca de python AutoGluon de aprendizaje automático para predecir el precio de las casas en Montevideo.