Proyectos de datos que he hecho durante el bootcamp de Data Analytics: SQL, Python, Machine Learning e Inteligencia Artificial, siempre sobre un caso de negocio concreto.
Autor: Borja Mora Méndez · Email: borja.mora.mendez@gmail.com · LinkedIn: linkedin.com/in/borjamoramendez
Data-Analytics-Portfolio/
├── 01-SQL/ Consultas, modelado dimensional, ETL en T-SQL
├── 02-Python/ 4 casos de negocio EDA + 4 manuales de referencia
├── 03-Machine-Learning/ 41 casos: supervisado, no supervisado, RRNN, series, refuerzo
└── 04-IA-BigData/ Agentes IA, LLMs, APIs, minería de datos, Big Data
Cada carpeta tiene su propio README con la lista de proyectos y las técnicas que usa cada uno.
3 proyectos con T-SQL y SQL Server: CTEs, Window Functions (ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD), subqueries correlacionadas, PERCENTILE_CONT, sumas acumuladas y un ejercicio tipo entrevista técnica.
Stack: T-SQL, SQL Server Management Studio, AdventureWorks2025.
| Proyecto | Qué se aprende |
|---|---|
| Análisis de ventas — Red de concesionarios | CTEs, subqueries correlacionadas, LAG, PERCENTILE_CONT, PERCENT_RANK |
| AdventureWorks Avanzado — Window Functions | ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD, sumas acumuladas, examen tipo entrevista |
| Análisis de clientes — Tienda | LEFT JOIN, subqueries IN/NOT IN, CASE, CTEs, Window Functions, PARTITION BY |
4 análisis exploratorios sobre casos de negocio (comercial, educación, seguros y restauración) y 4 manuales de referencia de Pandas, NumPy y Matplotlib.
Stack: pandas, numpy, matplotlib, seaborn.
41 casos de ML ordenados por tipo de aprendizaje y familia de modelo: regresión, clasificación, clustering, PCA, t-SNE, redes neuronales (MLP, SOM), series temporales (ARIMA) y aprendizaje por refuerzo (SARSA).
Stack: scikit-learn, TensorFlow/Keras, XGBoost, minisom, statsmodels, pmdarima.
Cinco de ellos los he llevado hasta el final y tienen una app interactiva publicada:
| Proyecto | Qué se aprende | App en vivo |
|---|---|---|
| Segmentación de clientes retail (K-Means + t-SNE) | t-SNE para visualizar en 2D, elección honesta de k, validación contra el perfil que el negocio ya intuía | Abrir app |
| Comparativa de modelos — Segmentación de aerolínea | Regresión Logística vs Random Forest vs Gradient Boosting, mismo split y validación cruzada, explicabilidad | Abrir app |
| Previsión de ventas retail (SARIMA vs SARIMAX) | Series temporales con variables exógenas (huelgas, promociones), backtesting, cuánto aporta el contexto frente al histórico puro | Abrir app |
| Preferencias de vuelos — análisis conjoint | Valor de cada atributo del vuelo (utilidades parciales, importancia) y cómo cambia por segmento de cliente | Abrir app |
| Ventas semanales retail (SARIMA) | Previsión solo con el histórico: estacionariedad, ACF/PACF y comparación con referencias más exigentes que «repetir el año anterior» | Abrir app |
Agentes de IA, sistemas de recomendación, APIs externas con mapas interactivos, minería de datos, visión artificial y procesamiento distribuido con Apache Spark. Lo siguiente que quiero añadir es la integración con LLMs (OpenAI, Anthropic, Groq y Ollama vía LangChain).
Stack: scikit-learn (TF-IDF, similitud coseno), ipyleaflet, mlxtend, ultralytics (YOLOv8), ByteTrack, PySpark (Spark SQL, MLlib).
| Proyecto | Qué se aprende |
|---|---|
| Chatbot de reservas — Nivel 0 | Motor de reglas de negocio, menú conversacional, línea base de la progresión hacia agentes con IA |
| Recomendador de películas por contenido | Filtrado basado en contenido (TF-IDF + similitud coseno), visualización PCA del espacio de películas, cuándo usarlo frente al filtrado colaborativo |
| Simulador de rutas reales — OSRM | Consumo de API REST, fórmula de Haversine, interpolación de rutas, mapas interactivos con ipyleaflet |
| Cesta de la compra — Apriori | Support/confidence/lift manual, algoritmo Apriori (mlxtend), reglas de asociación de 3+ productos |
| Detección de objetos en imágenes | YOLOv8 preentrenado, límites de un modelo genérico frente a clases no vistas |
| Conteo de vehículos en vídeo | YOLOv8 + ByteTrack, tracking de identidad entre frames, conteo por cruce de línea |
| Pipeline de ventas distribuido con PySpark | Spark SQL, funciones de ventana, broadcast joins, planes de ejecución, particiones y caché, UDF vs nativo, Parquet, MLlib |
| Ámbito | Tecnologías |
|---|---|
| Análisis y modelado | Python, SQL Server (T-SQL), pandas, NumPy |
| Machine Learning e IA | scikit-learn, TensorFlow, Keras, statsmodels |
| Big Data | Apache Spark (PySpark), Spark SQL, MLlib, Parquet |
| Business Intelligence | Power BI, DAX, Power Query, Tabular Editor |
| Visualización | Matplotlib, Seaborn |
| Entorno de desarrollo | Jupyter, Visual Studio Code, Git, GitHub |
- LinkedIn: linkedin.com/in/borjamoramendez
- Email: borja.mora.mendez@gmail.com
- GitHub: @BORJAMOME