Skip to contentSkip to content
Certificados verificados. En cadena. Para siempre.Más información
Ewance
Iniciar sesión
Cover image for Predice la demanda diaria de SKU para una bodega de Rías Baixas
Analysis

Predice la demanda diaria de SKU para una bodega de Rías Baixas

FreeVerified credential2 semanasIntermediate

Visión general

De qué trata este proyecto.

Predice la demanda de 45 SKU con SARIMA y LightGBM, compara errores y entrega recomendaciones. Obtén un certificado verificable.

El escenario

La bodega (50 empleados, alrededor de 800.000 botellas/año) sufre roturas de stock estacionales y exceso de inventario tras campañas; un MAE 20 % mejor que la previsión manual justificaría la inversión en mantener el modelo.

CredentialBlockchain-anchored
ShareableLinkedIn-ready
LanguageEnglish
PaceSelf-paced

El Briefing

Lo que harás y lo que demostrarás.

Comparar de forma cuantitativa SARIMA y LightGBM para predecir demanda diaria por SKU, e identificar qué SKU se benefician de cada enfoque.

Earning criteria — what you'll demonstrate

  • Aplicar técnicas clásicas y modernas de forecasting sobre datos reales
  • Diseñar una evaluación rolling-origin (origen móvil) honesta para series temporales
  • Traducir métricas técnicas en una recomendación operativa accionable
  • Documentar un proyecto de ML para que otra persona pueda reproducirlo

Encaje académico

Dónde encaja esto en tus estudios.

Afina las mismas habilidades que tu titulación espera de ti.

Alineación con asignaturas próximamente.

Carreras

Roles para los que esto te prepara.

Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.

Científico/a de Datos

Comparar enfoques de forecasting y traducirlos a una recomendación de negocio reproduce con fidelidad el flujo diario de una persona data scientist junior en una empresa con datos transaccionales.

Este proyecto afina

  • time-series-forecasting
  • model-evaluation
  • business-translation

Ingeniero/a de Machine Learning

Construir un cuaderno reproducible con división temporal correcta es el cimiento del trabajo cotidiano de MLE: pipelines que respetan el tiempo y se pueden poner en producción.

Este proyecto afina

  • feature-engineering
  • python
  • model-evaluation

Una cosa más

Puedes tener una credencial en tu CV para el viernes.