Ingeniería de Datos - Portfolio de Prácticas

Bienvenido a mi portfolio de Ingeniería de Datos. Este sitio documenta mi aprendizaje y desarrollo de habilidades en ciencia de datos, machine learning y análisis de datos. Aquí encontrarás prácticas organizadas por unidades temáticas, cubriendo desde análisis exploratorio hasta técnicas avanzadas de feature engineering.

📋 Estructura del Portfolio

El contenido está organizado en tres unidades progresivas:

Unidad 1: Análisis Exploratorio de Datos (EDA)

Fundamentos del análisis de datos, visualización y exploración de datasets. Incluye prácticas con Iris Dataset, Netflix y análisis multi-fuentes.

Unidad 2: Preprocesamiento y Transformación de Datos

Técnicas de limpieza, normalización y detección de sesgos. Aprende a manejar datos faltantes, escalar features y garantizar equidad en modelos.

Unidad 3: Feature Engineering Avanzado

Ingeniería de características, encoding, reducción de dimensionalidad y feature engineering temporal. Técnicas avanzadas para optimizar modelos de ML.

🛠️ Tecnologías Utilizadas

• Python: Lenguaje principal
• Pandas & NumPy: Manipulación de datos
• Scikit-learn: Machine Learning y preprocesamiento
• Matplotlib & Seaborn: Visualización
• Fairlearn: Análisis de equidad
• Category Encoders: Encoding avanzado

🎯 Objetivo

Este portfolio refleja mi camino de aprendizaje en ingeniería de datos, documentando el desarrollo de habilidades técnicas y la aplicación práctica de conceptos teóricos en proyectos reales.