Cómo avanzasEntiendes criterio. No sigues instrucciones.
Cada proyecto está organizado como una secuencia de decisiones.
1
Entras a un proyecto real. Minería, salud, retail, energía, gobierno. Problemas que existen en la industria, no ejercicios académicos inventados. Ver proyectos →
2
Sigues el desarrollo como decisiones. Cada etapa tiene un brief, un mapa de decisiones y bloques que te obligan a pensar antes de ver la solución.
3
En cada punto ves: opciones, elección, por qué.
Decisión clave: ¿Regresión o clasificación? ¿Por qué? ¿Qué pasa si te equivocas?
Error común: qué haría un junior vs alguien con experiencia real en este problema.
4
Aplicas ese criterio a tu propio proyecto. El objetivo no es replicar el código, es llevarte el razonamiento. Eso es lo que te permite terminar.
Proyectos de referencia
ProyectosProblemas reales que puedes resolver
Filtra por sector o explora todos.
Negocios
Markowitz con ML para carteras de inversión
Predicción de precio de activos con LSTM
Optimización de portafolio con Markowitz
Ene 2026
1.7k vistas
Negocios
Predicción de ventas, segmentación y anomalías
Pipeline completo de forecasting y clustering retail
Detección de anomalías en transacciones comerciales
Mar 2026
2.5k vistas
Educación
Predicción de deserción estudiantil — Paso a paso
Modelo predictivo con SHAP para identificar causas de abandono
Pipeline completo: research gap, baseline, iteración y despliegue
Mar 2026
3.4k vistas
Industria
Cemento — Resistencia a la compresión
Regresión sobre composición de cemento vs. resistencia
Predicción con diferentes tiempos de fraguado
Mar 2026
1.2k vistas
Agricultura
Predicción de precios de abarrotes
Regresión sobre precios locales + optimización nutricional
Régimen alimenticio de menor costo con restricciones
Mar 2026
2.4k vistas
Agricultura
Degradación de pastizales con Sentinel/Landsat y NDVI
Análisis multitemporal de NDVI con imágenes Sentinel y Landsat
Detección de zonas de degradación en pastizales
Mar 2026
Nuevo
Industria
Clasificación de fallas en redes eléctricas con texto y datos tabulares (BERT)
Arquitectura tipo TabBERT: embeddings tabulares + comentario de campo con DistilBERT
Agrupación de causas de falla en clases con significado de negocio
Jul 2026
Nuevo
Negocios
Brecha de género en el capital humano y la innovación empresarial
4 hipótesis, 4 modelos: XGBoost, KMeans y una red neuronal para simular escenarios
Datos de la EDIT (DANE), sectores servicios y manufactura
Jul 2026
Nuevo
Minería
Mapas de prospectividad mineral con datos geoespaciales
Interpolación IDW y RBF sobre litología, campo magnético y geoquímica
KMeans, DBSCAN y regresión combinados en un mapa de prospectividad
Jul 2026
Nuevo
Minería
Optimización de controles operativos en minería con clasificación multietiqueta
MultiOutputClassifier para predecir decenas de controles binarios a la vez
Evaluación en dos capas: métricas globales + matriz de error por control
Jul 2026
Nuevo
Industria
Clasificación de daños en puentes con CNN (VGG16) y deep learning
Transfer learning con VGG16 sobre datos abiertos de inspección (dacl1k)
Dos experimentos: por qué un resultado pobre fue el hallazgo que mejoró el modelo
Jul 2026
Nuevo
Salud
Generación de imágenes sintéticas de mamografía con GAN y momentos de Hu
Generador y discriminador adversariales para aumentar datos médicos escasos
Momentos de Hu como métrica propia, complementaria a FID y KID
Jul 2026
Nuevo
Salud
Clasificación de riesgo de salud mental con NLP y embeddings
Embeddings tipo MiniLM + regresión logística, ligero para desplegar en AWS Lambda
Mapeo de 7 clases a 3 niveles de urgencia: el modelo prioriza, nunca diagnostica
Jul 2026
Nuevo
Negocios
Análisis de sentimiento en tuits para social listening
Comparación honesta de 4 clasificadores de sentimiento sobre texto de redes sociales
Por qué la exactitud global no bastó para elegir el modelo correcto
Jul 2026
Nuevo
Ambiente
Pronóstico de caudal hídrico con LSTM multivariado
LSTM univariada, multivariada y multi-step comparadas con métricas de hidrología
Datos abiertos de gobierno: caudal y precipitación horaria de más de 4 años
Jul 2026
Nuevo
Industria
Segmentación de empresas eléctricas con clustering aplicado al VAD
K-Means aplicado al criterio regulatorio chileno de Áreas Típicas de Distribución
Por qué entender el negocio antes del modelo fue la verdadera contribución
Jul 2026
Nuevo
Negocios
Análisis de sentimiento en redes sociales en tiempo real con AWS serverless
EC2 solo para el streaming persistente, Lambda para todo lo disparable por evento
Formato de datos simplificado documentado como limitación real, no escondida
Jul 2026
Nuevo
Negocios
De reseñas de clientes multilingües a un tablero de decisión estratégica (Balanced Scorecard)
Detección de idioma, traducción y sentimiento sobre reseñas en varios idiomas
Clustering no supervisado validado con el negocio antes de mapear a KPIs
Jul 2026
Nuevo
Educación
Keras-RL, DQN y la evolución de las arquitecturas de aprendizaje por refuerzo
Agente DQN entrenado desde cero para jugar Atari Space Invaders
De DQN a arquitecturas actuales: aplicaciones reales citadas y explicadas
Jul 2026
Nuevo
Minería
Estimación de costos operativos en minería, validando distribuciones con Q-Q plots
Qué son los Q-Q plots y por qué se validan antes de confiar en un modelo lineal
Comparación de seis modelos de regresión con evidencia objetiva
Jul 2026
Nuevo
Agricultura
Que tu investigación no quede en papel: detección de plagas en algodón con una app real
De un modelo entrenado en notebook a una app móvil real con BeeWare
Límites honestos de la arquitectura: prueba de concepto, no producción
Jul 2026
Nuevo
Negocios
Detección de sesgo entre árbitros de análisis de minerales, con backtesting
Diseñar la pregunta de negocio como una prueba estadística contestable
Backtesting contra los dos métodos que ya se usaban en la práctica
Jul 2026
Nuevo
Energía
Identificación de hurto de energía con clustering y Random Forest
Por qué la tendencia del consumo importa más que su nivel absoluto
Un recall de 0.50 reportado tal cual, sin maquillar el resultado
Jul 2026
Nuevo
Agricultura
Predicción de variables en tanques de piscicultura con IoT
Por qué el diseño de un sensor decide el horizonte de predicción honesto
SARIMA descartado con evidencia: R² de -2.61 frente al Random Forest elegido
Jul 2026
Nuevo
Ambiente
Predicción de precipitación con estación propia y datos abiertos
Cómo comprobar, con evidencia, si un dato abierto tipo GPCC o CHIRPS mejora tu modelo
Un shapefile como contexto cartográfico, no como variable del modelo
Jul 2026
Nuevo
Negocios
Más allá del AUC: matriz de KPIs de negocio para riesgo crediticio
Cuatro modelos empatados en AUC, desempatados con KPIs reales de la industria
Por qué una red neuronal terminó última pese a ser el enfoque más complejo
Jul 2026
Nuevo
Negocios
Predicción de rendimientos de bonos del Tesoro con indicadores técnicos
Indicadores técnicos con sus ecuaciones, no solo el nivel crudo del rendimiento
Un modelo RNN/LSTM/GRU distinto para cada uno de los 8 plazos de la curva
Jul 2026
Nuevo
Seguridad
Detección de violencia en video de vigilancia con pose estimation
Pose estimation reutilizada tal cual, sin reentrenar el modelo de detección
Estudio de ablación real: con y sin filtro de Kalman, medido con AUC
Jul 2026
Nuevo
Negocios
Social listening en YouTube para tendencias de noticias emergentes
Pipeline diseñado alrededor de la cuota gratuita de la API, no de un presupuesto pagado
Modelado de tópicos con NMF para distinguir un tema que crece de uno que solo tiene volumen
Jul 2026
Nuevo
Negocios
Predicción de venta de boletos por punto de venta
Codificación ordinal por popularidad en vez de one-hot, con la razón de negocio detrás
8 familias de modelos comparadas con la misma métrica (MAPE), no una sola ajustada a ciegas
Lo que dicen quienes lo usaron
TestimoniosProyectos terminados. Tesis defendidas.
"Lo que más me ayudó fue ver cómo se justifica la elección de métrica. Eso es exactamente lo que más te preguntan en la defensa."
Rafael V.
Tesis · Ing. Minas · Perú
"Llevaba semanas sin avanzar. Los bloques de decisión clave fueron lo que necesitaba para dejar de dudar."
Laura C.
Tesis · Ciencias de datos · MX
"Necesitaba demostrarle al jefe que el modelo servía. La sección de evaluación con contexto de negocio fue clave para esa conversación."
Marcos C.
Analista · Operaciones · Chile
"Entendí por qué XGBoost no siempre es la respuesta. Cambié de modelo y mejoré resultados sin tuning ciego."
Diana P.
ML Engineer · Portafolio · CO