Visión general
De qué trata este proyecto.
Dispondrás de 3 años de series horarias por planta (producción + meteorológicas + estado de inversores) y previsiones meteorológicas de un proveedor externo. Implementarás un proceso gaussiano por planta (con kernel compuesto: periódico diario + RBF para covariables) y compararás con LightGBM cuantil. Evaluarás (1) MAE y RMSE, (2) pinball loss para los cuantiles 10 y 90, (3) cobertura empírica de los intervalos al 80%. El éxito es pinball loss y cobertura empírica mejores que el baseline en al menos 10 de las 15 plantas.
El Briefing
Lo que harás y lo que demostrarás.
Construir un modelo de procesos gaussianos por planta que mejore la pinball loss y la cobertura empírica frente a un baseline LightGBM cuantil.
Earning criteria — what you'll demonstrate
- Aplicar métodos kernel y procesos gaussianos a series temporales reales
- Diseñar kernels compuestos coherentes con la fenomenología del problema
- Evaluar previsiones probabilísticas con pinball loss y cobertura
- Identificar el régimen en el que cada modelo gana frente a su alternativa
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.
Trayectorias profesionales que esto construye
Roles canónicosData Scientist
Predecir con incertidumbre series temporales en un sector regulado es un ejemplo paradigmático del rol de Data Scientist en energía o utilities.
Este proyecto afina
- gaussian-processes
- probabilistic-forecasting
- feature-engineering
ML Researcher
Diseñar kernels compuestos justificados por la fenomenología y compararlos con baselines fuertes es la mecánica de quien publica sobre métodos kernel aplicados.
Este proyecto afina
- kernel-methods
- gaussian-processes
- model-evaluation
Applied AI Scientist
Llevar previsión probabilística a una decisión de mercado real es el tipo de proyecto Applied AI Scientist en utilities.
Este proyecto afina
- probabilistic-forecasting
- model-evaluation
- feature-engineering