Científica de Datos que entiende el negocio

Predicción de cancelaciones de clientes con Machine Learning

Desarrolle un modelo de clasificación para detectar cancelaciones de clientes mediante un enfoque de Stacking calibrado con regresión logística como meta-modelo, integrando CatBoost, LightGBM y XGBoost. El modelo alcanzó un AUC-ROC de 0.8387, una precisión del 78.18%, y un recall de hasta 0.78 con umbral ajustado, logrando un F1-score de 0.64. Esta solución demostró alta capacidad discriminativa, equilibrio entre precisión y sensibilidad, y flexibilidad para adaptarse a distintas estrategias de retención, consolidándose como el más robusto del proyecto y recomendado para su implementación.

Predicción de Valor de Vehículos con LightGBM

Desarrollé un modelo de regresión para estimar el valor de mercado de coches usados, como parte de una solución para la app de Rusty Bargain, empresa dedicada a la venta de vehículos de segunda mano.El objetivo era ofrecer a los usuarios una estimación del precio de su coche, basada en datos históricos, especificaciones técnicas y versión. Se entrenaron y compararon distintos algoritmos: Regresión Lineal, Árbol de Decisión, Bosque Aleatorio y LightGBM. Los resultados mostraron que LightGBM alcanzó el mejor desempeño, con un RMSE de 1738.39, un tiempo de entrenamiento muy bajo y gran velocidad de predicción.

Análisis de proceso de flotación para recuperación de oro con Gradient Boosting Regressor

Se estudió el proceso de flotación metalúrgica, identificando variables críticas y segmentando las etapas rougher y cleaner para analizar su impacto en la calidad del concentrado de oro (Au). Se utilizo los modelos RandomForest, linearRegression y GradientBoosting, para medir error cuadrático y error absoluto medio, obtenido como el mejor modelo Gradient Boosting Regressor ya que alcanzó el mejor desempeño, con un error cuadrático de 5.53% y un error absoluto medio de 10.10%, demostrando precisión y confiabilidad en las predicciones, y consolidándose como la opción más adecuada para este conjunto de datos

Distribuidora Castillo Yáñez

Business Data Analytics | 2023 - Actualidad

• Diseñó y optimizó un sistema de cuentas por cobrar, escalando la cartera de 100 a 315 clientes activos con un 90% de efectividad en cobranza.
• Consolidó una base de datos financiera con el 100% de transferencias diarias, definió KPIs financieros y automatizó procesos administrativos y tributarios.
• Analizó inventarios y precios, diseñando estrategias de pricing que incrementaron las ventas en un 70%.

Empresas Polar

Analista Comercial | Dic 2017 - Ago 2023

• Coordinó pedidos y traslado de materiales entre almacenes, gestionando inventarios bajo política FIFO.
• Brindó soporte logístico en entregas, organizó facturas de proveedores y ejecutó funciones operativas como almacenista y cajera vacacionista.
• Gestionó facturación (FPC), supervisó movimientos contables y retenciones de IVA, contribuyendo al control financiero y operativo territorial.