Este proyecto es el análisis final de mi Máster en Ciencia de Datos e Inteligencia Artificial, donde realicé un análisis exploratorio de datos sobre los patrones de compra de los clientes en una empresa de retail.
- Identificar segmentos de productos utilizando agrupamiento K-means.
- Desarrollar modelos de predicción de ventas con XGBoost.
- Lograr un intervalo de confianza del 95% en las predicciones.
- Exploratory Data Analysis (EDA)
- Análisis descriptivo y visualización de datos.
- Identificación de patrones de compra.
- Clustering de Productos
- Implementación de K-means para segmentar productos.
- Visualización de los clusters.
- Modelos de Predicción
- Desarrollo de modelos de predicción de ventas utilizando XGBoost.
- Evaluación de modelos y ajuste de hiperparámetros.
- Resultados
- Análisis de resultados y conclusiones.
- Documentación de insights obtenidos.
- Lenguajes de Programación: Python
- Librerías y Herramientas: Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, XGBoost
- Plataformas: Jupyter Notebook
Para cualquier consulta o información adicional:
- Nombre: Daniela Quenti
- Email: [email protected]
- LinkedIn: https://www.linkedin.com/in/daniq/