Proyecto: Modelo predictivo de precios de vuelos: Data Science aplicado a la industria aérea
Proyecto Final de Rodrigo Hernán Ramos
Diplomatura en Ciencia de Datos con R y Python
En el marco de la Diplomatura en Data Science con Python del Instituto Data Science Argentina, el alumno Rodrigo presentó un proyecto final enfocado en el desarrollo de un modelo predictivo de precios de vuelos, una solución diseñada para optimizar la gestión de una agencia de viajes que comercializa boletos aéreos.
📊 Análisis de datos y preparación del dataset
El proyecto partió de un dataset que incluye información sobre aerolíneas, ciudades de origen y destino, cantidad de escalas, horarios de salida y llegada, duración total del vuelo y precios.
A partir de estos datos, Rodrigo realizó un exhaustivo proceso de limpieza, normalización y enriquecimiento, incorporando coordenadas geográficas y calculando la distancia entre los puntos de salida y destino.
Este preprocesamiento fue fundamental para que los modelos pudieran aprender relaciones más precisas entre las variables y los precios de los boletos.
🤖 Entrenamiento de modelos de Machine Learning
Rodrigo entrenó y comparó tres enfoques principales:
- Regresión Lineal, utilizando One Hot Encoding y Standard Scaler.
- Red Neuronal con PyTorch, con cinco capas y activaciones ReLU.
- Árboles de Decisión, implementados mediante scikit-learn y posteriormente optimizados.
Para evaluar el rendimiento, aplicó métricas como el MAPE (Mean Absolute Percentage Error) y el R², lo que permitió identificar el modelo más preciso y robusto.
⚙️ Optimización con Optuna y resultados finales
A través de la librería Optuna, Rodrigo realizó una optimización manual de hiperparámetros, logrando una mejora notable en la performance del modelo basado en árboles.
El resultado fue un MAPE del 14%, lo que refleja una alta precisión en la predicción de precios de vuelos.
Además, el análisis económico mostró que la implementación del modelo generaría un ahorro operativo estimado del 18% mensual, al reducir significativamente el tiempo que los vendedores dedicaban a cotizar manualmente los precios.
🚀 Conclusiones
El desarrollo de este modelo predictivo de precios de vuelos demuestra el impacto que puede tener la Ciencia de Datos aplicada al turismo.
Gracias al uso de técnicas de Machine Learning, una agencia puede automatizar cotizaciones, mejorar la rentabilidad y tomar decisiones basadas en datos reales.
LinkedIn de Rodrigo Hernán Ramos: https://www.linkedin.com/in/rodrigo-hern%C3%A1n-ramos-92299197/
