Análisis predictivo de una serie temporal mediante modelos clásicos : Implementación de AutoGluon como modelo de Deep Learning y la herramienta de visualización Qlik Sense

Abstract

[ES] El inicio de este proyecto tendrá una base común en la parte de modelos clásicos, compartida con Pedro Javier Vidorreta Fuster. Esto se debe a que existe un problema de asignación de personal dentro de una institución financiera, que subcontrata a una empresa de Data & Analytics, de la cual el autor de este trabajo y Pedro Javier Vidorreta Fuster forman parte. El trabajo se diferenciará en la parte de modelado Deep Learning y técnicas de visualización.

Se seguirá la metodología CRISP-DM como estructura del trabajo, para ir aplicando cada uno de los procedimientos correspondientes. Tras conocer la problemática de negocio y analizar los datos recopilados, se realizará un estudio de los diferentes modelos clásicos, así como el modelo Deep Learning AutoGluon, con el objetivo de escoger el mejor tras comparar todos ellos según la métrica de RMSE.

Para la elaboración de este trabajo se usará como lenguaje de programación Python con sus librerías: Pandas, NumPy, Scikit y AutoGluon, entre otras. Para presentar las conclusiones obtenidas, se creará un cuadro de reporting en la herramienta de visualización Qlik Sense.

Entonces, el objetivo de este trabajo es poder ofrecer una solución a la institución financiera para poder asignar de forma óptima el personal necesario en los meses venideros, a través de la aplicación de los modelos predictivos.