Forecasting de demanda con RNNs/transformers para una bodega riojana
Visión general
De qué trata este proyecto.
Implementa ARIMA, LSTM y TFT para predecir demanda de vino por SKU y obtén un certificado verificable.
El escenario
La bodega tiene 1 data analyst y ningún ML engineer; si el DL gana solo 2-3 por ciento de WAPE pero requiere infra que no pueden mantener, la recomendación responsable es quedarse con ARIMA — el reto premia honestidad, no novedad.
El Briefing
Lo que harás y lo que demostrarás.
Compara ARIMA vs LSTM vs Transformer en forecasting de bodega y recomienda honestamente con base en WAPE + complejidad operativa.
Earning criteria — what you'll demonstrate
- Aplicar LSTMs y Transformers temporales sobre datos de demanda reales
- Comparar baselines clásicos vs deep learning con métricas correctas
- Evaluar complejidad operativa, no solo accuracy
- Comunicar conclusiones honestas que pueden no ser las esperadas por el cliente
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Deep Learning
Master · Deep Learning
Strong alignment
This challenge maps to Deep Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Time Series Forecasting
Apply time series forecasting to solve real industry problems and demonstrate production-level capability.
- Lstm
Apply lstm to solve real industry problems and demonstrate production-level capability.
- Transformers
Apply transformers to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
- Model Comparison
Apply model comparison to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico de Datos
Forecasting con comparación honesta clásico-vs-DL es uno de los proyectos más usados en entrevistas de DS en retail/CPG.
Este proyecto afina
- time-series-forecasting
- lstm
- evaluation
Ingeniero de Aprendizaje Automático
Comparar complejidad operativa además de accuracy es la habilidad que diferencia al MLE senior del junior.
Este proyecto afina
- pytorch
- transformers
- model-comparison
Científico Aplicado de IA
Comunicar conclusiones honestas que pueden no ser las esperadas es trabajo cotidiano del applied AI scientist.
Este proyecto afina
- time-series-forecasting
- model-comparison
- evaluation