Termina tu proyecto de datos o IA sin quedarte atorado en decisiones clave
Proyectos reales con decisiones explicadas: los recursos exactos que necesitas, cuando los necesitas.
Cómo funciona
¿Te suena esto?
-
“No sé por dónde empezar.”
Cada proyecto va de principio a fin, en el orden en que se construyó.
-
“Quiero ser cocinero, no seguir una receta.”
Ves las alternativas corridas con los mismos datos, para poder elegir distinto en tu caso.
-
“Me van a preguntar por qué lo hice así.”
Cada decisión trae la evidencia lista para defenderla.
La diferencia
| Lo que recibes | Un tutorial típico | Un proyecto aquí |
|---|---|---|
| Código que corre | Sí | Sí |
| La explicación de la técnica | Sí | Sí |
| Las alternativas probadas, con lo que pasó en cada una | No | Sí |
| Un checkpoint al final de cada etapa para saber si vas bien | No | Sí |
| Los errores comunes, señalados donde aparecen | No | Sí |
| Una guía para llevarlo a tus propios datos | No | Sí |
Cómo usarlo
- Elige un proyecto real Con datos abiertos o fieles al original, no el Titanic de siempre.
- Decide antes de ver Eliges una alternativa y anticipas qué va a pasar. Luego lo comparas con el resultado.
- Llévalo a tu caso Adaptas el pipeline a tus datos con el mismo criterio.
Proyectos
Mostrando 52 de 52 proyectos
Afinando con IA…
Markowitz con ML para carteras de inversión
Predicción de precio de activos con LSTM. Optimización de portafolio con Markowitz.
NegociosPredicción de ventas, segmentación y anomalías
Pipeline completo de forecasting y clustering retail. Detección de anomalías en transacciones comerciales.
EducaciónPredicción de deserción estudiantil — Paso a paso
Modelo predictivo con SHAP para identificar causas de abandono. Pipeline completo: research gap, baseline, iteración y despliegue.
IndustriaCemento — Resistencia a la compresión
Regresión sobre composición de cemento vs. resistencia. Predicción con diferentes tiempos de fraguado.
AgriculturaPredicción de precios de abarrotes
Regresión sobre precios locales + optimización nutricional. Régimen alimenticio de menor costo con restricciones.
AgriculturaDegradación de pastizales con Sentinel/Landsat y NDVI
Análisis multitemporal de NDVI con imágenes Sentinel y Landsat. Detección de zonas de degradación en pastizales.
IndustriaClasificación 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.
NegociosBrecha 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.
MineríaMapas 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.
MineríaOptimización 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.
IndustriaClasificación 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.
SaludGeneración 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.
SaludClasificación 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.
NegociosAnálisis 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.
AmbientePronóstico 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.
IndustriaSegmentación 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.
NegociosAnálisis 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.
NegociosDe 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.
EducaciónKeras-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.
MineríaEstimación 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.
AgriculturaQue 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.
NegociosDetección 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.
EnergíaIdentificación 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.
AgriculturaPredicción 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.
AmbientePredicción 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.
NegociosMás 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.
NegociosPredicción 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.
SeguridadDetección 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.
NegociosSocial 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.
NegociosPredicción 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.
CiberseguridadEnriquecimiento cross-domain con embeddings de comportamiento para detección de anomalías en red
Autoencoders adversariales para alinear tráfico de red y perfiles de comportamiento sin correspondencia etiquetada. Por qué un accuracy de 100% en el baseline fue la alerta, no el resultado a celebrar.
EducaciónCNN tipo VGG en TensorFlow: batch size, dataset y regularización L1/L2
Diccionario completo de parámetros de Keras/TensorFlow, con conteo manual verificado contra model.summary(). Tres barridos de hiperparámetros aislados, con la dinámica de entrenamiento interpretada, no solo el accuracy final.
SaludClasificación de severidad de retinopatía diabética: por qué el accuracy no basta
ResNet50 + atención vs. VGG16 vs. baseline sin transfer learning, comparados con recall por clase. Un baseline con 68% de accuracy y 0% de recall en las 4 clases de severidad de la enfermedad.
AgriculturaClasificación de variedades de arroz con CNN: cómo comparar tus resultados y escribir tu artículo
El flujo de 4 pasos para tesis: buscar artículo de referencia, entender métricas, ejecutar y comparar, mapear a artículo de conferencia. Una CNN simple superó a Xception con transfer learning, y por qué eso también es una contribución válida.
MineríaMantenimiento predictivo de desgaste de studs en rodillo HPGR
Predicción de desgaste de studs (pines) en rodillos de un HPGR a partir de datos de operación. Pipeline pensado para anticipar mantenimiento antes de una falla no planificada.
GobiernoDetección y clasificación de caracteres en documentos: OCR + CNN
Pipeline de dos etapas: Tesseract para detección, CNN propia entrenada con fuentes sintéticas para clasificación. Por qué el preprocesamiento de imagen pesa más en el resultado que el motor de OCR elegido.
SaludClasificación de leucemia linfoblástica aguda: CNN con data augmentation por GAN
GAN entrenada por clase para compensar el desbalance de un dataset médico pequeño. Un bug real en la arquitectura del generador, encontrado y corregido al ejecutar el pipeline completo.
MineríaPredicción de la curva de fragmentación en voladura con machine learning
SVR vs Random Forest vs Regresión Lineal, y por qué la validación in-sample da la respuesta equivocada. Un corte de outliers de 0.2 sigma, justificado por un requisito real de confianza del 95%.
NegociosAnálisis exploratorio de datos de un negocio de delivery de comida
Recomendaciones de negocio validadas contra los datos, sin ningún modelo predictivo de por medio. La ausencia total de calificaciones bajas: un hallazgo que ningún resumen estadístico habría mostrado solo.
IndustriaDetección de uso de casco de seguridad con YOLOv5
Transfer learning con YOLOv5 para monitoreo automático de cumplimiento de EPP. Remover una clase mal representada subió el mAP de ~0.61 a 0.917, sin tocar arquitectura ni hiperparámetros.
IndustriaSintonización de PID con error compuesto y árbol binario
Seis criterios combinados en una sola función objetivo, en vez de optimizar solo el MSE. Candidatos ordenados en un árbol binario para un ranking incremental sin reprocesar desde cero.
IndustriaControl de acceso con reconocimiento facial: OpenCV + MediaPipe
Detección y reconocimiento como funciones separadas: MediaPipe localiza, LBPH reconoce. Umbral de confianza explícito para rechazar identificaciones inciertas, en vez de aceptar siempre el match más cercano.
GobiernoClasificación automática de PQRS con NLP
Orden de preprocesamiento (lematizar antes o después de remover acentos) validado con un experimento, no una suposición. Accuracy interpretado siempre contra el nivel de azar, no de forma aislada.
SaludDetección temprana de displasia de cadera con ResNet50 y GAN
Aumento de datos con GAN + transfer learning con ResNet50 para clasificar radiografías pélvicas de infantes de 3 a 6 meses. Accuracy de 74.29% (CNN baseline) a 97.43% con ResNet50 + fine-tuning, validado sobre 354 sujetos de dos hospitales.
SaludRobustez adversarial en la detección de cáncer de próstata
Ataques FGSM sobre un clasificador ResNet50 de imágenes histológicas, y defensa con entrenamiento adversarial + fine-tuning. Demo funcional con FastAPI: compara en vivo la predicción del modelo con y sin defensa sobre la misma imagen atacada.
MineríaSegmentación de operarios de raleo y otros usos de aprendizaje no supervisado
Comparación objetiva de K-Means, GMM, K-Medoids y Fuzzy C-Means sobre datos de operarios de raleo, con DBSCAN documentado como resultado negativo. Segundo módulo: segmentación por grafos (SLIC + Normalized Cut + GrabCut) y GANs para inspección visual de calidad.
SaludClasificación de severidad de ansiedad con selección sistemática de características
6 clasificadores comparados contra varios métodos de selección de features, sin apostar por uno. Balance de clases antes de comparar, para no dejar invisible la severidad grave.
SaludPredicción de esquema de vacunación incompleto con selección estadística de variables
Selección de variables con pruebas de hipótesis y corrección FDR, no con importancia de un modelo. SMOTENC para balancear clases sin romper la coherencia de las variables categóricas.
NegociosPredicción de ventas en múltiples almacenes con ventana deslizante
Ventana deslizante para convertir 16 series de ventas en un solo pipeline repetible. BIAS como métrica adicional a RMSE: el modelo de menor error no siempre fue el mejor centrado.
EnergíaPredicción de consumo energético con clustering de perfiles y modelos secuenciales
Clustering de perfiles horarios como feature, no como análisis aparte. GRU elegida por simplicidad al empatar con LSTM, y ruido controlado para un pronóstico de 90 días sin aplanarse.
NegociosAsistente de selección de itinerarios de viaje: espacio factible + recomendación o segmentación
Separar restricciones duras de preferencias suaves en dos etapas independientes del pipeline. Recomendación individual vs. segmentación por perfil: coinciden en 57.5% de los casos, medido con evidencia.
IndustriaRedes neuronales informadas por física para deformación termoelástica
Por qué comparar contra tu propia fuente de datos de entrenamiento es una validación circular. Análisis contrafactual de calibración: la evidencia de que la validación experimental fue genuina.
Lo que otros opinan
Proyectos terminados. Tesis defendidas.