- 1. Acerca de BanCoppel
- 2. Reto de negocio
- 3. Objetivo
- 4. Desarrollando la solución
- 5. Envío
- 6. Sobre la evaluación
BanCoppel - Institucion de Banca Múltiple, es un banco al alcance de todos los mexicanos, que ofrece una variedad de productos y servicios financieros sin comisiones por anualidad y sin comprobante de ingresos, cuenta con más de 1,150 sucursales, siendo el tercer emisor de tarjetas de crédito y segundo emisor de tarjetas de débito en México.
Entre muchas otras cosas BanCoppel, ofrece soluciones financieras sencillas que impulsan a los clientes a alcanzar sus metas.
BanCoppel busca comprender mejor quién usa su aplicación móvil y de qué manera interactúa, para hacerla más atractiva para todos y así lograr el objetivo de BanCoppel de tener una aplicación a la medida para sus clientes.
BanCoppel tiene mucha información sobre los usuarios de su aplicación móvil y le gustaría comprender mejor quiénes son. El participante debe desarrollar un modelo de Machine Learning capaz de comprender, a partir de los datos aportados, cuál es el perfil de cada cliente bancario.
En este desafío, BanCoppel usará herramientas de IBM como Watson Studio (o Cloud Pack for Data) para construir un modelo de Machine Learning.
La idea fundamental del desafío 7 es crear un modelo de Machine Learning capaz de identificar el perfil de los clientes del banco para personalizar la experiencia de los clientes actuales y futuros.
En este desafío vamos a usar las siguiente herramienta
Watson Studio proporciona un conjunto de herramientas y un entorno colaborativo para científicos de datos, desarrolladores y expertos en dominios. Es un ambiente de desarrollo (IDE) web que combina herramientas Open Source con tecnología de IBM para desarrollar modelos de Machine Learning y Deep Learning.
Mira el tutorial a continuación para aprender como aplicar la tecnología de IBM para resolver el desafío
Para poder realizar este desafío, se deben cumplir con los siguientes requisitos previos:
- Estar registradro en la Maratón Behind the Code y confirmar el e-mail de registro.
- Tener una cuenta en IBM Cloud, que puede ser una cuenta GRATUITA o de pago (no es necesario registrarse en el evento con el mismo correo electrónico utilizado para crear su cuenta IBM Cloud).
- Cree el servicio Watson Studio (Cloud Pak for Data as a Service) en IBM Cloud. (Si ya lo creo en el desafío 2 no es necesario volverlo a crear)
- Cree el servicio Cloud Object Storage (Si ya lo creo en el desafío 2 no es necesario volverlo a crear)
- Crear un nuevo proyecto vacío en Watson Studio
- Importar el notebook usando el archivo
notebook.ipynb - Leer y ejecutar las instrucciones contenidas en el Notebook
notebook.ipynb - Guarde el csv como results.csv con sus predicciones y el notebook que desarrolló
notebook.ipynb - Envíe su solicitud a https://bancoppel.maratona.dev/
El participante trabajará con un conjunto de datos sintéticos proporcionados para crear un modelo que realice la predicción del perfil del usuario. Usando este modelo el participante debe producir un archivo csv con los resultados.
En este repositorio encuentra el notebook necesario para crear proyecto completo en Watson Studio ya con una solución básica lista, totalmente funcional. Puede (y se recomienda) mejorar el modelo para obtener una mayor puntuación.
Para hacer la entrega, debes acceder a la siguiente página: https://bancoppel.maratona.dev/ y cargar un archivo zip con el archivo csv results.csv con los resultados de su predicción y el notebook que desarrolló notebook.ipynb.
Si cambia el nombre o formato del archivo csv su solución no será evaluada
Si cambia el nombre del notebook su solución no será evaluada
Después de cargar su archivo haga clic en el botón en la esquina inferior derecha para ENVIAR su solución, como se muestra en la imagen a continuación, y complete el formulario con su dirección de correo electrónico utilizada de la inscripción en MARATÓN 2020.
Enviar:
La idea fundamental del desafío 7 es crear un modelo de Machine Learning capaz de identificar el perfil de los clientes de BanCoppel. En esencia, el reto puntuará la respuesta de su modelo en un archivo csv. En esta ocación se hara una prueba basada en el F1 Score, que mide tanto la presición como el recall.
La rapidez de entrega no se incluye en el cálculo de la puntuación del desafío. Sin embargo, para todos los participantes que presenten este desafío en la primera semana después del lanzamiento, recibirán una bonificación del 10% en la puntuación final de la entrega.
Recuerde que tiene 3 oportunidades de envío de la solución del reto donde se le tomará en cuenta el envío que obtenga mejor puntuación.
- Video Watson Studio
- Una guía del portal de IBM Developer para principiantes del Machine Learning
- Watson Studio Docs
Mira el video explicativo provisto en la Sección 4, o si lo deseas, revisa la documentación de los servicios involucrados en este desafío.
Si ya consumio todo su plan gratuito de Watson Studio puede crear otra cuenta de IBM Cloud con otro correo.
Accede al discord oficial de la Maratón 2020 para hacer preguntas y/o interactuar con otros participantes: Discord.
Copyright 2020 Maratona Behind the Code
Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License.