Predicción de Daño por Terremotos

Este proyecto fue desarrollado en el marco de la materia Organización de Datos de la Facultad de Ingenieria de la UBA, contiene el código y la documentación para una competencia de data science alojada en DrivenData, enfocada en predecir el nivel de daño en edificios ante un terremoto.

Resumen del Proyecto

El objetivo de esta competencia fue desarrollar un modelo de machine learning capaz de predecir la severidad del daño en edificios durante un terremoto. El proyecto se divide en dos partes principales:

• tp1 (Trabajo Práctico 1): Análisis Exploratorio de Datos

  • Carpeta: tp1
  • Análisis exploratorio de datos (EDA) detallado del conjunto de datos proporcionado sobre el daño por terremotos.
  • Procesamiento y limpieza del dataset.
  • Informe completo resumiendo las principales conclusiones del análisis.

• tp2 (Trabajo Práctico 2): Modelado

  • Carpeta: tp2
  • Implementación de modelos de machine learning para predecir los niveles de daño por terremotos.
  • Evaluación del rendimiento del modelo y selección del modelo con mejor rendimiento.
  • Informe final detallando el enfoque de modelado, los resultados y las recomendaciones.

Estructura de Carpetas

• tp1/

  • Contiene cuadernos de Jupyter o scripts para el análisis exploratorio de datos.

• tp2/

  • Incluye código para la construcción y evaluación de modelos predictivos.