Optimización de Red de Distribución Eléctrica con GNN en Santiago de Chile
Visión general
De qué trata este proyecto.
Entrena una GNN para predecir sobrecargas en la red eléctrica de Santiago y compárala con ARIMA. Obtén un certificado verificable.
El escenario
La utility (~620.000 clientes en Santiago) planifica refuerzos por ~85M USD anuales; priorizar bien el top-100 nodos críticos puede recortar paradas no planificadas en ~22% según pilotos previos.
El Briefing
Lo que harás y lo que demostrarás.
Modela la red de distribución como grafo y entrena una GNN para priorizar nodos a reforzar a 12 meses, con mapa interactivo para planificación.
Earning criteria — what you'll demonstrate
- Modelar redes físicas como grafos dirigidos con features temporales
- Entrenar GNNs que aprovechan estructura para predicción nodal
- Comparar GNN contra baselines clásicos sin estructura de red
- Comunicar prioridades de inversión a planificación con mapa interactivo
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning on Graphs
Master · Machine Learning
Strong alignment
This challenge maps to Machine Learning on Graphs 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.
- Graph Neural Networks
Apply graph neural networks to solve real industry problems and demonstrate production-level capability.
- Spatiotemporal Ml
Apply spatiotemporal ml to solve real industry problems and demonstrate production-level capability.
- Node Classification
Apply node classification to solve real industry problems and demonstrate production-level capability.
- Pytorch Geometric
Apply pytorch geometric to solve real industry problems and demonstrate production-level capability.
- Infrastructure Planning
Apply infrastructure planning to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation 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 en IA Aplicada
Modelar infraestructura física con GNN y traducir a decisiones de inversión es trabajo del Applied AI Scientist en utilities.
Este proyecto afina
- graph-neural-networks
- infrastructure-planning
- spatiotemporal-ml
Científico de Datos
Comparar GNN contra ARIMA con métricas operacionales es trabajo del Data Scientist en utilities y energía.
Este proyecto afina
- node-classification
- evaluation
- spatiotemporal-ml
Arquitecto de Soluciones IA
Diseñar la pipeline GNN + mapa + integración con planificación es trabajo del AI Solutions Architect en infraestructura crítica.
Este proyecto afina
- pytorch-geometric
- infrastructure-planning
- spatiotemporal-ml