La correcta predicción de las unidades vendidas permite: por un lado, evitar desperdicios por mantener stock innecesario de productos perecederos y por el otro lado, evitar la pérdida de ventas por faltas de stock.
Además, es de interés conocer qué tipo de algoritmo funcionará mejor. Por una parte, los modelos de aprendizaje profundo poseen la capacidad de capturar patrones complejos y no linealidades, pero alcanzan a desplegar toda su potencialidad en datasets grandes. Por la otra parte, los modelos estadísticos de series temporales no requieren tanta información, pero presentan cierta dificultad para modelar no linealidades o quiebres estructurales. De esto surge la posibilidad de combinar ambas metodologías y probablemente de mejorar los resultados por medio de ingeniería de features y transformaciones basadas en el conocimiento del área específica.

Cuáles variables proveen más información para predecir las ventas, si hay productos o sucursales similares, si los días de la semana, los días feriados y la ubicación de las sucursales impactan en las ventas, etc.

Si querés inspeccionar el conjunto de datos, lo encontrarás en el repositorio https://github.com/sergiobuzzi/MentoriaDiplodatos2022/blob/master/, en la carpeta datasets.
Se proveen varios archivos con datos sobre las ventas discriminadas por sucursal y rubro y otras variables como días festivos y promociones. ¡Si deseas agregar otras variables mejor! También hay información sobre el estado y la ciudad donde se encuentra cada sucursal. Esta información nos permitirá trabajar muchos contenidos de la Diplo.
Los datos son tomados de la competencia «Store Sales – Time Series Forecasting – Use machine learning to predict grocery sales” https://www.kaggle.com/competitions/store-sales-time-series-forecasting de la plataforma kaggle.com.

Entrega 20/05 – Práctico de análisis y visualización, que consistirá en: Exploración de las bases de datos. Medidas de Estadística Descriptiva. Gráficos de evolución temporal. Identificación de outliers «comunes» vs. identificación de outliers temporales. Cálculo de correlaciones. Intuición básica de los conceptos de no estacionariedad y estacionalidad.
Entrega 17/06 – Práctico de análisis exploratorio y curación de datos, que consistirá en: Curación de las bases de datos. Imputación de faltantes. Combinación de la información de distintas bases de datos. Exploración de posibles transformaciones de los datos.
Entrega 24/06 – Video de presentación intermedia del proyecto y dataset.
Entrega 29/07 – Práctico aprendizaje supervisado, que consistirá en: Separación de datos en entremamiento, validación y test. Ingeniería de features. Aplicación de modelos estadísticos y de machine learning simples. Estimación de otros modelos mas avanzados como Redes Neuronales Recurrentes en su variante LSTM y Prophet. Selección de métricas. Selección de hiperparámetros. Comparación de resultados. Evaluación del poder predictivo.
Entrega 26/08 – Práctico aprendizaje no supervisado, que consistirá en: Aplicación de algoritmos de clustering de series de tiempo para la identificación de sucursales y rubros similares.
Entrega 23/09 – Video de presentación final de mentoría.
Jornadas 11/11 y 12/11 – Presentación de mentorías.