Data Science
Data science aplicado con métricas honestas.
Machine learning aplicado a problemas de negocio: clasificación, forecasting y explicabilidad. Empiezo por el modelo más simple que pueda funcionar y solo complico las cosas cuando los números lo piden.
Qué resuelvo
En qué te puedo ayudar.
Clasificación y predicción
Modelos supervisados end-to-end: EDA, feature engineering, entrenamiento y ajuste del umbral de decisión pensando en el coste real de cada error.
Series temporales
Forecasting con RNNs y LSTMs en PyTorch para demanda, ingresos o tráfico. Siempre con un baseline simple delante, para saber si la red gana de verdad.
Explicabilidad
Explainable AI para que el modelo no sea una caja negra: qué variable mueve cada predicción y cómo contárselo a quien toma la decisión.
La prueba
El caso del fraude.
Pipeline completo sobre el dataset IEEE-CIS: 590K transacciones reales y 434 variables alimentando un Gradient Boosting de 500 árboles. El hallazgo no fue el modelo, fue el umbral: bajándolo de 0.5 a 0.1 se captura el 60% del fraude molestando solo al 0.46% de usuarios legítimos.
- 590K
- transacciones
- 434
- variables
- 0.92
- ROC-AUC
- 60%
- fraude detectado
«Técnicamente es muy bueno en analítica web y Google Tag Manager: entendió y ejecutó la tarea muy rápido. Además me entregó un informe del trabajo y de las mejoras en la analítica de mi cliente.»
«Antonio es increíble, un auténtico experto. Lo recomiendo totalmente.»
El stack para esto
Python · Pandas · NumPy · Scikit-learn · PyTorch · SQL · BigQuery · Azure ML · Tableau
¿Tienes datos y una pregunta?
Tráeme el problema. No hace falta que el dataset venga limpio, de eso me encargo yo.
alpcmalaga@gmail.com