Desarrollamos un modelo de clasificación con Random Forest para predecir la tasa de abandono de empleados en una empresa. Este proyecto permite identificar patrones clave y generar estrategias de retención efectivas, optimizando recursos humanos y reduciendo costos asociados al reemplazo de personal.

Implementamos un modelo de clustering para segmentar clientes de un supermercado que opera en Estados Unidos, México y Canadá. Gracias al análisis de datos de compras, identificamos patrones que permitieron clasificar los tipos de clientes y diseñar campañas de marketing personalizadas, aumentando la efectividad y el alcance de las estrategias comerciales. 

Desarrollamos un algoritmo de recomendación de canciones utilizando las técnicas TF-IDF y similitud del coseno. Este modelo analiza la base de datos de las 5000 canciones más populares en Spotify, ofreciendo recomendaciones personalizadas y mejorando la experiencia del usuario en la plataforma.