Ejercicio 2 de la prueba de Data Science
¡Hola! Bienvenido a mi propuesta de solución para el primer ejercicio de la prueba. A continuación encontrarás la documentación necesaria para poder entender el planteamiento del problema y la construcción del paquete para la puesta en producción del modelo.
El Dataset Escogido
El dataset escogido es Electricity Transformer Dataset, donde tendremos que predecir la temperatura del aceite dentro de un transformador eléctrico a partir de una serie de indicadores de carga, con datos correspondientes a dos años recogidos cada hora. En este caso utilizaremos la versión del dataset accesible a través de la libería darts como ETTh1Dataset.
¿Por qué este Dataset?
He escogido este Dataset porque presenta un problema de regresión de una serie temporal multivariante, pero con un tamaño asequible para este ejercicio.
Planteamiento del ejercicio
Se han seguido los siguientes pasos a la hora de abordar el problema:
- En primer lugar se ha llevado acabo un análisis exploratorio de la variable objetivo y las covariables, incluyendo el análisis de la estacionalidad de la serie a predecir. A partir de este análisis determinaremos las posibles limitaciones o condiciones a tener en cuenta al seleccionar un modelo, así como las transformaciones necesarias. Este paso se puede ver en el archivo
notebooks/analisis-exploratorio.ipynb, o también embebido en esta documentación en la sección Analisis exploratorio. - A continuacion se realiza la selección del modelo en varias fases. En primer lugar se realizan las transformaciones necesarias de los datos. A continuación, se plantean los modelos a considerar, la métrica de evaluación y se realiza el tuning de hiperparámetros mediante un proceso de backtesting. A partir de los modelos ya tuneados, predecimos los últimos periodos de la serie que hemos reservado y a partir de la puntuación de esas predicciones seleccionamos el modelo a considerar. Una vez decidido el modelo fina, lo entrenamos y predecimos 100 periodos en adelante, sin conocer el valor de las covariables. Este paso se puede ver en el archivo
notebooks/transformacion-seleccion-modelo.ipynb, o también embebido en esta documentación en la sección Seleccion del modelo. - Por último, creamos un paquete de Python que contenga el modelo final, la lógica del entrenamiento y la predicción de nuevos datos. Para más detalles sobre la organización del código, consultar el fichero README.md de este repositorio y para la guía de instalación de dependencias y uso del código, ver la sección Instalación de dependencias y Uso de esta documentación.