Este repositorio documenta el desarrollo de prácticas orientadas al Análisis Exploratorio de Datos (EDA), Preprocesamiento, y Modelado Predictivo, aplicando técnicas de Ciencia de Datos sobre múltiples datasets reales.
El laboratorio integra procesos estructurados de limpieza, transformación y análisis estadístico, culminando en la implementación de modelos de clasificación supervisada bajo la metodología SEMMA, garantizando un enfoque sistemático y reproducible.
- 🚢 Titanic Dataset – Modelado de supervivencia (clasificación binaria)
- 🌸 Iris Dataset – Clasificación multiclase
- ❤️ Heart Failure Dataset – Predicción de eventos clínicos
- 📊 Datos Macroeconómicos – Análisis descriptivo y tendencias
- 💎 Diamonds Dataset – Análisis estadístico exploratorio
El flujo de trabajo se desarrolló siguiendo la metodología:
- Sample – Selección y segmentación de datos relevantes
- Explore – Análisis estadístico descriptivo y visual
- Modify – Limpieza, imputación y transformación de variables
- Model – Entrenamiento de modelos de clasificación supervisada
- Assess – Evaluación mediante métricas como accuracy, matriz de confusión y validación cruzada
- ✔️ Tratamiento de valores nulos y outliers
- ✔️ Codificación de variables categóricas
- ✔️ Normalización y preparación de datos
- ✔️ Implementación de modelos supervisados
- ✔️ Evaluación cuantitativa del rendimiento del modelo
El laboratorio demuestra la aplicación integral del ciclo de vida del análisis de datos, desde la adquisición hasta la evaluación del modelo, aplicando principios de reproducibilidad, claridad estructural y buenas prácticas en ciencia de datos.