Enlace a la aplicación de Streamlit
- Programación en
Python
- Análisis de los datos pertenecientes a la base de datos de productos de Datafiniti.
- Obtención de la muestra de los datos a través de data.world.
- Preprocesamiento de los datos, buscando valores nulos, valores duplicados y limpieza de columnas pertinentes.
- Implemento un modelo de
Random Forest Classifier
a través de la libreríaScikit-Learn
para imputar los datos faltantes en la columna de tipo de envío. - Utilización de la librería
plotly
para la visualización de los datos. A/B testing
para determinar si características influyen en el precio de productos.- Análisis de los precios de los productos visitados mensualmente (
estudio de serie temporal
). - Implemento
modelo ARIMA
con hiperparámetros óptimos. - Uso de
modelo Neural Prophet
para la predicción de valores futuros. - Modelos Machine Learning para clasificación (estimación de tienda en función de las características del producto que busca el cliente):
- Modelo
Extreme Gradient Boosting
a través de la libreríaPycaret
. - Modelo
Gradient Boosting Classifier
a través de la libreríaScikit-Learn
y usando la herramientaWandb
para búsqueda de hiperparámetros óptimos. - Modelo
Red Neuronal
a través de la libreríaTensorFlow
.
- Modelo
- Resumen de los datos analizados mediante un
dashboard en PowerBI
- Conclusiones de los datos.
- Utilización de la herramienta
Streamlit
para la visualización y explicación de los datos.
Logo: vecteezy.com
Imágenes de la cabecera: canva.com