Pinned Loading

1. actividad1_ML2 actividad1_ML2 Public

   Predicción de Churn en Telecomunicaciones usando Regresión Logística y Lasso.

   Jupyter Notebook

2. actividad2_ML2 actividad2_ML2 Public

   Solución al desafío de predicción de Churn (Telecom) usando Random Forest y análisis de rentabilidad.

   Jupyter Notebook

3. actividad3_ML2 actividad3_ML2 Public

   Clasificación binaria de churn de clientes usando Naive Bayes y SVM con evaluación en datos desbalanceados.

   Jupyter Notebook

4. actividad4_ML2 actividad4_ML2 Public

   Implementación y comparación de modelos de Deep Learning (MLP y CNN 1D) para la predicción de churn de clientes en telecomunicaciones, utilizando el dataset Telco Churn, con preprocesamiento estánd…

   Jupyter Notebook

5. final_ML2 final_ML2 Public

   🚀 Mantenimiento Predictivo en Motores de Turbofán con Gradient Boosting. MAE=10.29 ciclos | R²=0.8913 | Proyecto ML II - UDLA 2026

   Jupyter Notebook

6. bitcoin-sentiment-analysis- bitcoin-sentiment-analysis- Public

   Predicción de retornos de Bitcoin usando análisis de sentimiento de Twitter. Compara VADER vs FinBERT + PCA con modelos LSTM. Mejora del 18.6% en MAE. Tesis Magíster Data Science UDLA.

   Python