Ir al contenido principal
Mouhssine Lakhili

Proyecto de datos

IA-AirBnB

Pipeline de ciencia de datos para predecir precios de Airbnb con datos de Lyon y París, con preprocesamiento, análisis y modelos de regresión lineal.

Cómo está construido

  1. Datos brutos Anuncios de Lyon y París
  2. Limpieza Pandas, valores atípicos
  3. Modelo Scikit-learn, regresión lineal
  4. Evaluación División train/test

Stack

Python, Pandas, Scikit-learn, Linear Regression

  1. Contexto

    IA-AirBnB es un proyecto de datos centrado en transformar datasets Airbnb de Lyon y París en un workflow listo para modelado.

  2. Problema

    El proyecto explora cómo datos estructurados de alojamientos pueden limpiarse, analizarse y usarse para predecir precios con una base simple y explicable.

  3. Solución

    El workflow cubre preprocesamiento, análisis exploratorio, tratamiento de outliers, división train/test y modelado con regresión lineal.

  4. Arquitectura

    La arquitectura es un pipeline de datos tipo notebook/script: carga de archivos, limpieza, features, entrenamiento de un modelo base y preparación de salidas de evaluación.

  5. Funcionalidades

    El alcance verificado es el workflow de datos descrito en el repositorio.

  6. Resultado

    El proyecto demuestra un workflow de datos de extremo a extremo; no se publica ninguna métrica del modelo sin evidencia del repositorio.

¿Te interesa este proyecto?

Estoy disponible para un CDI y para misiones freelance. Hablemos de tu equipo o de tu proyecto.

Otros casos de estudio

  • Plataforma

    OpsPilot — Caso de estudio

    Proyecto personal de subida de nivel sobre gestión de incidentes y FinOps, creado con Java, Spring Boot y Next.js, con ejemplos Kubernetes/Terraform en nivel exploración.

    1. Interfaz Next.js
    2. Servicios Java, Spring Boot
    3. Datos PostgreSQL, Redis
    4. Operación Kubernetes, Terraform, Prometheus, Grafana (ejemplos)
    Código fuente
  • Full-stack

    Accessly — Caso de estudio

    Proyecto personal de subida de nivel para acceso a eventos y ticketing en tiempo real con .NET, C#, Angular, SignalR y SQL Server.

    1. Interfaz Angular
    2. API ASP.NET Core, CQRS
    3. Tiempo real SignalR
    4. Datos SQL Server, Redis, RabbitMQ
    Código fuente