Code
Predicción de fallos en turbinas eólicas con datos de sensores
Visión general
De qué trata este proyecto.
Debes construir un pipeline completo de ciencia de datos: limpieza y preprocesamiento de series temporales multivariantes, ingeniería de características relevantes para el desgaste mecánico, entrenamiento y validación de al menos dos arquitecturas comparables (una basada en métodos clásicos como Random Forest y otra en redes neuronales recurrentes como Long Short-Term Memory — memorias de corto y largo plazo), y evaluación rigurosa con métricas apropiadas para datos desbalanceados. El éxito se mide por la capacidad de explicar por qué un modelo supera al otro en términos de precisión de detección precoce y tasa de falsas alarmas, con un informe técnico que un director de operaciones sin formación en estadística pueda entender.
El Briefing
Lo que harás y lo que demostrarás.
¿Cómo predecir con al menos 14 días de margen el fallo de rodamientos principales usando datos de sensores históricos, minimizando falsas alarmas que generen intervenciones innecesarias?
Earning criteria — what you'll demonstrate
- Aplicar técnicas de preprocesamiento de series temporales multivariantes con datos faltantes y ruido de sensores industriales
- Diseñar arquitecturas de redes neuronales recurrentes (LSTM) para predicción de eventos raros en contextos de mantenimiento predictivo
- Evaluar modelos de clasificación desbalanceada con métricas específicas como AUC-PR (área bajo la curva de precisión-recall) y coste de falsos negativos
- Comunicar resultados técnicos a audiencias no especializadas mediante visualizaciones y narrativas de riesgo
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
IoT Data Scientist
Este reto replica el núcleo del trabajo de un científico de datos en entornos industriales conectados: ingestión de datos de sensores, modelado predictivo de activos físicos y traducción de resultados a decisiones de campo. La experiencia con series temporales de mantenimiento es directamente transferible a fábricas inteligentes, logística de transporte y monitorización de infraestructuras críticas.
Este proyecto afina
- time-series-analysis
- predictive-maintenance
- neural-networks
Ingeniero de Machine Learning
El pipeline end-to-end desde datos crudos hasta modelo desplegable, con énfasis en reproducibilidad y validación temporal, prepara para el rol de ingeniería de modelos en producción. La necesidad de gestionar el desbalanceo y el coste asimétrico del error es habitual en sistemas de alerta operativos reales.
Este proyecto afina
- neural-networks
- model-evaluation
- python-programming
Analista de Operaciones Junior
La capacidad de vincular predicciones técnicas con decisiones de mantenimiento y costes operativos desarrolla la visión de negocio que necesita un analista de operaciones en sectores de activos pesados, donde la disponibilidad y el control de gastos son indicadores clave de rendimiento (KPI — indicadores clave de rendimiento).
Este proyecto afina
- predictive-maintenance
- feature-engineering
- model-evaluation