Diseña una política de pricing dinámico para una hotelera caribeña
Visión general
De qué trata este proyecto.
Entrena políticas de pricing dinámico con PPO y value iteration para una hotelera caribeña. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Entrena una política de pricing dinámico con RL que mejore RevPAR 8 por ciento vs reglas actuales manteniendo volatilidad de precio acotada.
Earning criteria — what you'll demonstrate
- Calibrar un simulador de demanda contra datos reales antes de entrenar RL
- Aplicar PPO o SAC sobre un MDP continuo de pricing
- Diseñar funciones de recompensa que incluyan restricciones de negocio (volatilidad)
- Pasar de simulación a un plan de despliegue por fases con A/B test
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Decision Making Under Uncertainty
Master · Ai Ml
Fit score: 1
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.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador de ML
Dynamic pricing con RL sigue siendo un caso de uso emergente en hospitality y aerolíneas; un proyecto end-to-end es portfolio diferenciado.
Este proyecto afina
- reinforcement-learning
- dynamic-pricing
- ppo
Científico Aplicado de IA
Calibrar el simulador y diseñar el A/B test posterior es la cadena completa que el applied AI scientist domina.
Este proyecto afina
- simulation
- policy-evaluation
- dynamic-pricing
Ingeniero de Aprendizaje Automático
Empaquetar el environment y la política para uso operativo es trabajo de MLE en producto de pricing.
Este proyecto afina
- python
- simulation
- reinforcement-learning