16/11, 11:35–12:05 (America/La_Paz), Auditorio
En esta charla exploraremos cómo implementar un sistema de predicción de demanda para un nuevo producto en el mercado boliviano utilizando algoritmos de Machine Learning en Python. Nos enfocaremos en algoritmos como la regresión logística y el árbol de decisión, además de la integración de estos modelos en una plataforma web usando el framework Django junto con HTML. Los asistentes aprenderán cómo usar librerías clave como Scikit-learn para modelado y cómo una interfaz web puede hacer que los resultados de predicción sean más accesibles para la toma de decisiones estratégicas en las empresas bolivianas.
En esta charla de 30 minutos, desglosare el proceso completo de creación de un sistema de predicción de demanda para el mercado boliviano, empleando herramientas de Python y Django. La sesión estará estructurada de la siguiente manera:
- Introducción al Proyecto y Relevancia (5 min):
Comenzaremos con una breve explicación del mercado boliviano y la importancia de predecir la demanda de un producto nuevo, detallando los beneficios que esta metodología puede aportar a la estrategia de lanzamiento y ajuste en el mercado. - Fundamentos del Machine Learning en Python (5 min):
Introduciremos las librerías de Python, como Scikit-learn, que permiten implementar algoritmos de Machine Learning de manera eficiente. Explicaremos cómo la regresión logística y el árbol de decisión son útiles para prever patrones de demanda basados en datos históricos y variables de mercado. - Implementación Técnica de los Modelos (10 min):
Explicaremos el proceso de configuración y entrenamiento de los algoritmos de regresión logística y árboles de decisión con datos reales. Demostraremos cómo estos algoritmos pueden diferenciar entre los factores más relevantes y generar predicciones más precisas para el producto en cuestión. Aquí, resaltaremos el uso de Scikit-learn para gestionar datos y construir modelos efectivos. - Creación de una Plataforma Web con Django (7 min):
Mostraremos cómo usar Django para integrar los resultados del modelo en una interfaz web accesible para el equipo de ventas y marketing. Resaltaremos el papel de Django en la conexión de los modelos de Machine Learning con una interfaz de usuario amigable mediante HTML, CSS y JavaScript, permitiendo que cualquier usuario pueda interactuar con las predicciones sin conocimientos técnicos avanzados. - Conclusión y Aplicaciones Futuras (3 min):
Cerraremos con una recapitulación de los puntos tratados y discutiremos cómo esta solución puede evolucionar para adaptarse a otros mercados y productos. Además, destacaremos el potencial del uso de Machine Learning y plataformas web en la toma de decisiones estratégicas.
Esta charla es ideal para aquellos interesados en aplicar Python y Machine Learning en un contexto práctico y adaptado a la realidad empresarial en mercados emergentes.
Graduado de la Universidad del Valle, Bolivia Apasionado por el campo de datos, y preparado como ingeniero de datos o analista de datos. Ofreciendo experiencia práctica en análisis de datos, creando reportes en distintos programas y visualizaciones para mostrar a los stakeholders, gestión de procesos, mejora continua, uso de Office365 y flujos de automatización mediante software y codificación en Python. Con un historial de desarrollo de flujos de análisis de datos productivos y eficientes, identificación y extracción de datos, y búsqueda creativa de soluciones para mejorar la automatización de los procesos existentes. Habilidad para pronosticar variables mediante el uso de la tecnología Machine Learning y crear cronogramas para el desarrollo e implementación de software, competente para analizar los requisitos de la empresa/negocio y planificar modelos de software en consecuencia.