Visión general
De qué trata este proyecto.
Construye un modelo de gradient boosting para pronosticar demanda diaria en una bodega minera y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir un pronóstico diario por familia con MAPE inferior al 18% y MASE inferior a 0,9 frente al baseline estacional.
Earning criteria — what you'll demonstrate
- Aplicar gradient boosting a series temporales con exógenas
- Diseñar features temporales (lags, ventanas móviles, calendario)
- Evaluar con validación temporal en bloque y métricas relativas
- Proponer un piloto operativo con KPIs medibles
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Applied Machine Learning
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 canónicosIngeniero de Aprendizaje Automático
Forecasting con gradient boosting y validación temporal honesta es trabajo cotidiano del MLE en logística y distribución.
Este proyecto afina
- time-series-forecasting
- gradient-boosting
- model-evaluation
Científico de Datos
Diseñar features y proponer un piloto operativo conecta directamente con el día a día del científico de datos en supply chain.
Este proyecto afina
- feature-engineering
- time-series-forecasting
- data-wrangling
Científico de IA Aplicada
Defender por escrito un piloto con KPIs y MASE como referencia es el músculo del applied AI scientist en empresas industriales.
Este proyecto afina
- time-series-forecasting
- model-evaluation
- feature-engineering