Link al repositorio.

• Lenguaje usado: Python. Scikit-learn, Numpy, Pandas, Matplotlib.
• Análisis exploratorio de datos y preprocesamiento de datos.
• Comparación y selección de modelos de regresión y clasificación, incluyendo regresión lineal, KNN, árboles, ensambles de modelos y redes neuronales.
• Optimización de hiperparámetros y validación cruzada.
• Generación de informe técnico y presentación de resultados.

Link al repositorio.

• Lenguaje usado: R. MASS, caret, ggplot2, leaps, glmnet, gbm, dplyr.
• Análisis exploratorio de datos y preprocesamiento de datos.
• Regresión lineal: Búsqueda de modelos. Entrenamiento, regularización (Lasso), selección de modelos. Validación de supuestos y detección de datos atípicos.
• Árboles y métodos basados en árboles: Árboles crecidos, podados. Bagging, Random Forest, Boosting, XGBoost, BART.

• Linkedin.