juditroca / salaryprediction

Modelo predictivo de salarios :moneybag: :computer: en el mundo data, según años experiencia, procedencia, puesto etc. :construction: Modelo en proceso de mejora de margen de error :construction:

Predicción Salarios Data Science

Introducción • Estructura repositorio. • Variables. •

📝 Introducción

En este repositorio buscaremos patrones y tendencias para comprender mejor la estructura salarial en este campo y crear un modelo que nos permita predecir los salarios. Los resultados podrían beneficiar tanto a los empleadores, ajustando sus políticas salariales, como a los profesionales que buscan oportunidades laborales. A través de visualizaciones y análisis estadísticos, revelaremos conocimientos clave sobre los salarios de los analistas de datos. Esto servirá como punto de partida para decisiones relacionadas con la compensación salarial.

💾 Estructura repositorio.

En la estructura de carpetas, se han incluido las siguientes secciones:

• Carpeta "data": Contiene los archivos relacionados con los datos. La subcarpeta "raw" almacena el archivo original del dataframe. El archivo "processed_df.csv" contiene el dataframe procesado y listo para su uso. Los archivos "train.csv" y "test.csv" contienen los conjuntos de datos de entrenamiento y prueba respectivamente.

• Carpeta "models": Contiene el modelo entrenado en formato pickle.

• Carpeta "notebooks": Contiene los cuadernos Jupyter utilizados durante el desarrollo del proyecto. El cuaderno "01_EDA.ipynb" se utiliza para realizar el análisis exploratorio de los datos. El cuaderno "02_data_processing.ipynb" se utiliza para el procesamiento de los datos. El cuaderno "03_entrenamiento+evaluacion_modelos.ipynb" se utiliza para la creación, entrenamiento y evaluación los modelos y realizar comparaciones.

• Carpeta "src": Contiene los archivos Python que contienen el código fuente para el procesamiento de datos, la creación del modelo y la evaluación. El archivo "data_processing.py" contiene el código para procesar los datos y generar el archivo "processed_df.csv". El archivo "model.py" contiene el código para crear, entrenar y guardar el modelo en la carpeta "models". El archivo "evaluation.py" contiene el código para evaluar el modelo entrenado utilizando el archivo "test.csv".

• Carpeta "docs": Contiene los materiales para presentación de proyecto tanto al equipo técnico como a la empresa.

• "README.md": Este es el archivo principal que proporciona información general sobre el proyecto, incluyendo la descripción de la estructura de carpetas y otras instrucciones o notas relevantes.

🌵 Folder Structure

code
.
│
├── app
│   ├── requirements.txt
│   ├── app.py
│  
│
├── data
│   ├── raw
│   │   ├── ds_salaries.csv
│   │   └
│   ├── processed.csv
│   ├── test.csv
│   ├── train.csv
│   └
│
├── models
│   ├── model_config.yaml
│   ├── trained_model.pkl
│   └
│
├── notebooks
│   ├── 01_EDA.ipynb
│   ├── 02_data_processing.ipynb  
│   ├── 03_entrenamiento+evaluacion_modelos.ipynb
│   └
│ 
├── scr
│   ├── data.processing.py
│   ├── evaluation.py
│   ├── model.py
│   └    
│  
├── docs 
│   ├── ppt.negocio
│   ├── 
│   ├──
│   └  
│ 
├── README.md

📖 Variables.

En este proyecto hemos trabajado conlas siguientes variables:

• Work_year: El año en que se pagó el salario.

• Experience_level: El nivel de experiencia en el trabajo durante el año.

  • EN se refiere a nivel de entrada/junior.
  • MI se refiere a nivel intermedio.
  • SE se refiere a nivel senior/experto.
  • EX se refiere a nivel ejecutivo/director.

• Employment_type: El tipo de empleo para el puesto.

  • PT se refiere a media jornada.
  • FT se refiere a jornada completa.
  • CT se refiere a contrato.
  • FL se refiere a freelance.

• Job_title: El puesto en el que se trabajó durante el año.

• Salary: El monto total del salario bruto pagado.

• Salary_currency: La moneda del salario pagado, en formato de código de moneda ISO 4217.

• Salaryinusd: El salario en USD.

• Employee_residence: El país de residencia principal del empleado durante el año de trabajo, en formato de código de país ISO 3166.

• Remote_ratio: La cantidad general de trabajo realizado de forma remota.

• Company_location: El país de la oficina principal del empleador o sucursal contratante.

• Company_size: El número medio de personas que trabajaron para la empresa durante el año.