Skip to content
View IgnOrtega's full-sized avatar

Block or report IgnOrtega

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don't include any personal information such as legal names or email addresses. Markdown supported. This note will be visible to only you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
IgnOrtega/README.md

Me gradué como Ingeniero Civil Matemático en la Universidad de Concepción. Mi formación se centra en el desarrollo de modelos estadísticos, ciencia de datos y análisis de series temporales. Tengo experiencia como analista de datos realizando las siguientes tareas:

  • Automatización de procesos
  • Creación de dashboards
  • Extracción de información mediante web scraping

Herramientas:

  • SQL Server
  • Looker Studio
  • Excel
  • Python
    • Pandas
    • SQLAlchemy Core
    • Playwright

python-seeklogo playwright-seeklogo pandas-seeklogo google-looker-seeklogo microsoft-sql-server-seeklogo microsoft-excel-seeklogo

Actualmente, mis repositorios principales son los siguientes:

Memoria

Este repositorio muestra mi trabajo de memoria para optar al título de Ingeniería Civil Matemática. Esta tesis consiste en una comparación estadistica de métodos de encuesta para determinar el tamaño de un subgrupo dentro de una población. Este trabajo modela a una población como un grafo, por lo tanto, se consideran distintos tipos de muestreo para grafos y distintos tipos de grafos.

Desafío para optar a x trabajo

Este repositorio muestra como realizar ETL sobre ciertos datos, realizar agrupaciones de tablas y ,por último, se debe disponibilizar la información anteriormente calculado a través de una API.

App Machine Learning

Este repositorio consiste en mostrar un flujo simple que tiene como objetivo disponibilizar un modelo de machine learning. Este flujo comienza desde modificación del modelo de machine learning y se sube al repositorio. Esto activa un trigger en github actions que serializa el modelo y crea una imagen en docker hub. Para terminar, el servidor debe cargar la imagen en docker y compartir el modelo a través de una API.

De este modo, el repositorio está compuesto por varios archivos que tienen como función:

  • Serializar el modelo de machine learning
  • Un archivo .Dockerfile para dockerizar
  • Un archivo .yml para realizar los comandos en github actions
  • La API

Pinned Loading

  1. memoria memoria Public

    Proyecto que compara estimaciones de grupo usando diferentes tipos de muestreo. Algunas técnicas de muestreo, los individuos de la población tienen diferentes probabilidades de ser seleccionados, l…

    Jupyter Notebook

  2. desafio_etl_api desafio_etl_api Public

    Desafío de verbum para un trabajo de ingeniero de datos

    Jupyter Notebook

  3. app_ml app_ml Public

    Evaluación que consiste en mostrar una api que ante cambios se reinicie e inicie nuevamente de la forma más automatizada posible

    Jupyter Notebook

  4. web_scraping_itau web_scraping_itau Public

    Este miniproyecto consiste en una lista de páginas, en donde cada página contiene una lista de ofertas laborales, estas ofertas laborales serán extraídas a través de un proceso de web scraping.

    Jupyter Notebook