Estos son ejemplos de proyectos de análisis y ciencia de datos que he desarrollado: limpieza y modelamiento de datos, machine learning y optimización aplicada a distintos rubros. Cada uno recorre el mismo camino, de los datos crudos a una conclusión que se puede usar.
Antes de escribir una línea de código reviso de dónde viene la información, qué significa cada columna y dónde es probable que algo esté mal.
Duplicados, valores nulos y outliers no se eliminan por reflejo: cada decisión de limpieza queda documentada y es reproducible en Python.
Un modelo con 96% de precisión no sirve de nada si nadie entiende qué significa. Cada proyecto termina en una conclusión en lenguaje simple.
Los primeros cuatro parten del mismo dataset: 53.727 ventas de autos usados en Chile entre 2020 y 2025. El quinto es un proyecto de optimización de inventario para otra empresa. Cada uno responde una pregunta distinta.
El dataset original tenía de todo: categorías escritas de formas distintas, ventas duplicadas y precios que claramente eran errores de tipeo. Antes de poder sacar cualquier conclusión, tuve que entender esos problemas uno por uno y decidir qué hacer con cada tipo — no todos se resuelven de la misma forma.
Probé ocho algoritmos distintos de regresión para responder esa pregunta a partir del kilometraje, la antigüedad y el tipo de vehículo. Random Forest, con los hiperparámetros ajustados, fue el que mejor explicó el precio — muy por encima de modelos más simples como la regresión lineal o KNN.
Con frecuencias, medidas de tendencia central y correlaciones traté de entender qué hace que un auto se venda más caro. La respuesta no fue una sola variable: la combinación de antigüedad, marca y tipo de transmisión explica mucho más que cualquiera de ellas por separado.
Un ejercicio distinto: en vez de analizar el pasado, decidir hacia adelante. Modelé cuántos sedanes y pickups debería preparar una automotora cada semana para maximizar sus ingresos, respetando el tiempo técnico disponible y la capacidad de almacenamiento.
Un caso real de gestión de inventario: 70 productos críticos de una empresa de equipos de montaña, con un nivel de servicio de apenas 28% pese a comprar con frecuencia. Modelé la demanda de cada producto, simulé el sistema con cadenas de Markov y busqué, para cada uno, el punto exacto de reposición (s, S) que minimiza el costo total sin dejar de cumplir el nivel de servicio objetivo.
Soy Ingeniero Civil Industrial (Universidad Nacional Andrés Bello) y me interesa sobre todo la parte del oficio que casi nadie muestra: los datos desordenados que hay que entender antes de poder analizarlos. Estos cuatro proyectos parten del mismo dataset — ventas de autos usados en Chile — precisamente para mostrar ese recorrido completo, de la limpieza a la conclusión.
Trabajo principalmente en Python (Pandas, Scikit-learn) y en R para modelos de optimización, y estoy cómodo tanto explorando datos como comunicando lo que encuentro a alguien que no necesita ver el código. Certificado en Análisis de Datos de Google.