Instituto Tecnológico de Buenos AiresBuenos Aires Institute of Technology (ITBA)
Programa Becas Roberto Rocca – Seleccionado por Excelencia Académica y Potencial de Liderazgo.Roberto Rocca Education Program – Selected for Academic Excellence and Leadership Potential.
Escuela Técnica Roberto RoccaRoberto Rocca Technical School
Reconocimiento a la Excelencia Académica y Trayectoria.Academic Excellence and Career Achievement Award.
Abanderado Nacional y Promedio más alto (2014-2020).National Flag Bearer & Highest GPA (2014-2020).
Comparativa entre Redes Neuronales, Árboles y SVM para predicción en analítica de marketing.
Comparison of Neural Networks, Decision Trees, and SVM for marketing analytics forecasting.
Diseño de Data Warehouse, triggers y procedimientos almacenados para gestión inmobiliaria.
Data Warehouse design, triggers, and stored procedures for real estate management.
Modelo de series temporales para proyectar ventas y analizar riesgo de mercado (Beta).
Time series modeling to forecast sales and analyze market risk (Beta).
Modelado predictivo de activos financieros mediante series de tiempo (ARMA).
Predictive modeling of financial assets using time series (ARMA).
Comparativa de algoritmos de clasificación y optimización de preprocesamiento para la evaluación de riesgo crediticio.
Comparison of classification algorithms and preprocessing optimization for credit risk assessment.
Categorización de perfiles automotrices mediante Redes de Kohonen no supervisadas.
Automotive profile categorization using unsupervised Kohonen Networks.
Detección de oro en cuarzo mediante agrupamiento K-Means y procesamiento de imágenes.
Gold detection in quartz using K-Means clustering and image processing.
Clasificación de movimientos de robot SCITOS G5 utilizando SVM con kernel polinómico.
SCITOS G5 robot movement classification using polynomial kernel SVM.
Clasificación y optimización de fonemas mediante árboles de decisión y poda.
Phoneme classification and optimization using decision trees and pruning.
Aplicación de gestión con estructuras de datos y algoritmos recursivos.
Management application with data structures and recursive algorithms.
Análisis de determinantes salariales y retorno de la educación con Datos de Panel.
Analysis of wage determinants and returns to education using Panel Data.
El objetivo fue resolver un problema de clasificación para identificar cinco fonemas específicos ('aa', 'ao', 'dcl', 'iy', 'sh') utilizando el archivo phoneme.data. El conjunto de datos consta de 4509 observaciones y 259 variables, de las cuales 256 son características numéricas que representan frecuencias transformadas.
Mejora de Precisión: La exactitud general subió de 0.8507 en el modelo inicial a 0.8889 en el modelo podado.
Métricas por Clase: Se logró un incremento significativo en la Sensibilidad de fonemas críticos: la clase 'aa' mejoró de 0.6590 a 0.7283 y la clase 'iy' subió de 0.9379 a 0.9690.
Robustez: La Especificidad se mantuvo por encima de 0.94 en todas las clases.
Imagen 1: Gráfico de barras de la variable a predecir.
Imagen 2: Gráfico del árbol de decisión.
Imagen 3: Tabla de resultados del modelo base.
Imagen 4: Tabla de resultados tras la poda.
library(rpart)
arbol = rpart(FonemaDicho ~ ., entreno)
library(rpart.plot)
rpart.plot(arbol, extra = 1, type = 5, cex = 0.8)arbolGrande = rpart(FonemaDicho ~ ., entreno, method = "class", cp = 0, minsplit = 0)
arbolPodado = prune(arbolGrande, cp = 0.0019)pred = predict(arbolPodado, testeo, type = "class")
library(caret)
confusionMatrix(pred, testeo$FonemaDicho)In speech recognition systems, accurate discrimination between phonemes is the basic unit of the NLP pipeline: classification errors propagate to higher system layers. The objective was to build a robust classifier for five phonemes ('aa', 'ao', 'dcl', 'iy', 'sh') over 4509 observations and 256 transformed spectral features, prioritizing not only overall accuracy but also the balance between Sensitivity and Specificity per class — as the cost of confusing 'aa' with 'ao' varies qualitatively depending on the downstream application.
rpart with default parameters (cp=0.01, minsplit=20), resulting in a structure with 9 leaves. These stopping thresholds impose implicit regularization that, in a 256-dimensional space, causes underfitting: the tree does not explore finer decision boundaries that would improve discrimination in low relative frequency classes like 'aa'.Out-of-sample Accuracy Improvement: Overall accuracy increased from 0.8507 to 0.8889 (+3.82 pp in test data), confirming that the overfitting of the initial tree was corrected by the pruning process.
Class Metrics: Sensitivity for 'aa' improved from 0.6590 to 0.7283 — an especially valuable result given that 'aa' is the class with the lowest relative representation, where the default tree tended to over-classify in favor of the majority. The 'iy' class increased from 0.9379 to 0.9690, consolidating its position as the best-discriminated class.
Robustness: Specificity sustained above 0.94 across all classes guarantees strict control of false positives — a mandatory condition in applications where incorrect classification has systemic consequences.
Figure 1: Bar chart of the target variable.
Figure 2: Decision tree plot.
Figure 3: Results table of the base model.
Figure 4: Results table after pruning.
library(rpart)
arbol = rpart(FonemaDicho ~ ., entreno)
library(rpart.plot)
rpart.plot(arbol, extra = 1, type = 5, cex = 0.8)arbolGrande = rpart(FonemaDicho ~ ., entreno, method = "class", cp = 0, minsplit = 0)
arbolPodado = prune(arbolGrande, cp = 0.0019)pred = predict(arbolPodado, testeo, type = "class")
library(caret)
confusionMatrix(pred, testeo$FonemaDicho)El objetivo fue aplicar técnicas de visión por computadora para identificar elementos valiosos dentro de muestras minerales (oro en cuarzo). El desafío consistió en utilizar agrupamiento para reducir la cantidad de colores de la imagen original y lograr separar el mineral de interés de la roca base.
Se compararon las imágenes segmentadas con la original. Se determinó que la segmentación en 6 grupos preserva mejor el detalle necesario para distinguir el color del oro dentro del mineral. En cambio, en la segmentación de 3 grupos, no se lograba diferenciar el mineral valioso.
Imagen 1: Imagen original de la muestra mineral (oro en cuarzo).
Imagen 2: Representación visual de los centroides K-Means.
Imagen 3: Comparación de las segmentaciones realizadas (3 vs 6 grupos).
rojo = as.vector(imagen[,,1])
verde = as.vector(imagen[,,2])
azul = as.vector(imagen[,,3])
base = data.frame(rojo, verde, azul)
km = kmeans(base, 3)segmR = rojo; segmV = verde; segmA = azul
segmR[km$cluster == 1] = km$center[1,1]
# Se repite el código para los demás clusters (2, 3, ...)
segmentada = imagen
segmentada[,,1] = segmR
# Se repite el código para los demás canales de color (2, 3)
plot(as.raster(segmentada))The objective was to apply computer vision techniques to identify valuable elements within mineral samples (gold in quartz). The challenge consisted in using clustering to reduce the number of colors in the original image and achieve the separation of the mineral of interest from the host rock.
The segmented images were compared with the original. It was determined that segmentation into 6 groups better preserves the detail necessary to distinguish the color of gold within the mineral. In contrast, in the 3-group segmentation, the valuable mineral could not be differentiated.
Figure 1: Original image of the mineral sample (gold in quartz).
Figure 2: Visual representation of K-Means centroids.
Figure 3: Comparison of the segmentations (3 vs 6 groups).
rojo = as.vector(imagen[,,1])
verde = as.vector(imagen[,,2])
azul = as.vector(imagen[,,3])
base = data.frame(rojo, verde, azul)
km = kmeans(base, 3)segmR = rojo; segmV = verde; segmA = azul
segmR[km$cluster == 1] = km$center[1,1]
# Code repeated for the remaining clusters (2, 3, ...)
segmentada = imagen
segmentada[,,1] = segmR
# Code repeated for the remaining color channels (2, 3)
plot(as.raster(segmentada))El objetivo del proyecto fue identificar perfiles de vehículos dentro del conjunto de datos Auto de la librería ISLR. El desafío consistió en encontrar similitudes técnicas entre los automóviles sin utilizar una variable de respuesta predefinida, aplicando para esto el algoritmo de Mapas Auto-Organizados (Self-Organizing Maps).
El modelo logró segmentar los 392 automóviles en 4 perfiles diferenciados:
Se verificó que el primer elemento del conjunto de datos pertenece al Grupo 3, validando la capacidad de la red para asignar registros a categorías técnicas coherentes.
Imagen 1: Densidad de automóviles por nodo (cuántos vehículos hay en cada grupo).
Imagen 2: Elementos por grupo utilizando mapping.
Imagen 3: Gráfico de vectores de pesos sinápticos (atributos que definen a cada cluster).
matrizdeAuto = as.matrix(Auto)
library(kohonen)
som = som(matrizdeAuto, grid = somgrid(1, 4, "hexagonal"))plot(som, type = "count")
plot(som, main = "Vectores de Pesos Sinápticos")
som$unit.classifThe objective of the project was to identify vehicle profiles within the Auto dataset from the ISLR library in R, grouping them according to their technical and performance characteristics. The aim was to analyze the spatial distribution of the data using Self-Organizing Maps (SOM).
The model successfully grouped the vehicles into four distinct profiles:
Figure 1: Car density per node (number of vehicles in each group).
Figure 2: Elements per group using mapping.
Figure 3: Plot of synaptic weight vectors (attributes defining each cluster).
matrizdeAuto = as.matrix(Auto)
library(kohonen)
som = som(matrizdeAuto, grid = somgrid(1, 4, "hexagonal"))plot(som, type = "count")
plot(som, main = "Synaptic Weight Vectors")
som$unit.classifEl objetivo fue desarrollar un modelo capaz de predecir la maniobra de un robot SCITOS G5 basándose en las lecturas de sus 24 sensores de ultrasonido dispuestos circularmente. El desafío consistió en clasificar correctamente entre cuatro tipos de movimientos (Avance, Giro Cerrado a la Derecha, Giro Leve a la Derecha y Giro Leve a la Izquierda) para permitir una navegación reactiva y autónoma en su entorno.
caret (75% entrenamiento / 25% testeo) para mantener la proporción de clases.El modelo SVM con Kernel Polinómico obtuvo el mejor desempeño:
Imagen 1: Robot SCITOS G5 y disposición de sensores.
Imagen 2: Gráfico de barras de la distribución de clases (Movimientos).
Imagen 3: Comparativa de exactitud entre Naive Bayes y SVMs.
library(caret)
particion = createDataPartition(y = base$Movimiento, p = 0.75, list = FALSE)
entreno = base[particion, ]
testeo = base[-particion, ]library(e1071)
svm1 = svm(Movimiento ~ ., entreno, kernel = "sigmoid")
svm2 = svm(Movimiento ~ ., entreno, kernel = "polynomial")pred = predict(svm2, testeo)
confusionMatrix(pred, testeo$Movimiento)The objective was to develop a model capable of predicting the maneuver of a SCITOS G5 robot based on the readings of its ultrasonic distance sensors (24 sensors arranged in a circle). The goal was to optimize the model's accuracy for autonomous reactive navigation tasks.
The SVM model with a Polynomial Kernel achieved the best performance:
Figure 1: SCITOS G5 robot and sensor arrangement.
Figure 2: Bar chart of class distribution (Movements).
Figure 3: Accuracy comparison between Naive Bayes and SVMs.
library(caret)
particion = createDataPartition(y = base$Movimiento, p = 0.75, list = FALSE)
entreno = base[particion, ]
testeo = base[-particion, ]library(e1071)
svm1 = svm(Movimiento ~ ., entreno, kernel = "sigmoid")
svm2 = svm(Movimiento ~ ., entreno, kernel = "polynomial")pred = predict(svm2, testeo)
confusionMatrix(pred, testeo$Movimiento)El objetivo fue desarrollar un modelo predictivo para estimar el volumen de ventas (sales) basado en la inversión publicitaria en tres canales: TV, Radio y Periódicos. El desafío consistió en comparar la capacidad de tres algoritmos con naturalezas distintas para minimizar el error de estimación en el conjunto de datos Advertising.
Al comparar el Error Cuadrático Medio (ECM), se observó una diferencia considerable de rendimiento:
Imagen 1: Gráfico de dispersión. Se observa la fuerte correlación entre TV y Ventas.
Imagen 2: Arquitectura de la Red Neuronal utilizada.
Imagen 3: Estructura del Árbol de Decisión generado.
# Eliminar índice innecesario
base$X = NULL
library(caret)
particion = createDataPartition(y = base$sales, p = 0.75, list = FALSE)
entreno = base[particion, ]; testeo = base[-particion, ]library(nnet)
red = nnet(sales ~ ., entreno, size = 20, maxit = 20000, linout = TRUE)
library(rpart)
arbol = rpart(sales ~ ., entreno)
library(e1071)
svm = svm(sales ~ ., entreno, kernel = "sigmoid")pred_red = predict(red, testeo, type = "raw")
ECM_red = mean((testeo$sales - pred_red)^2)
print(paste("ECM Red:", ECM_red))The objective was to develop a predictive model to estimate sales volume (sales) based on the investment made in different advertising channels (TV, Radio, Newspaper). R was used to analyze the effectiveness of each medium and perform forecasts.
The Neural Network was selected as the production model:
Figure 1: Scatter plot. Note the strong correlation between TV and Sales.
Figure 2: Architecture of the Neural Network used.
Figure 3: Structure of the generated Decision Tree.
# Remove unnecessary index
base$X = NULL
library(caret)
particion = createDataPartition(y = base$sales, p = 0.75, list = FALSE)
entreno = base[particion, ]; testeo = base[-particion, ]library(nnet)
red = nnet(sales ~ ., entreno, size = 20, maxit = 20000, linout = TRUE)
library(rpart)
arbol = rpart(sales ~ ., entreno)
library(e1071)
svm = svm(sales ~ ., entreno, kernel = "sigmoid")pred_red = predict(red, testeo, type = "raw")
ECM_red = mean((testeo$sales - pred_red)^2)
print(paste("MSE Red:", ECM_red))Desarrollo de un clasificador binario para automatizar la aprobación de préstamos. Se compararon cinco algoritmos (LDA, QDA, Naive Bayes, Regresión Logística, kNN) evaluando el impacto del escalado y variables categóricas en el rendimiento predictivo.
Equipo: Proyecto realizado en equipo.
Se evaluaron LDA, QDA, Naive Bayes, Regresión Logística y kNN mediante Validación Cruzada (K-Fold, n=5) en tres escenarios:
StandardScaler aumentó significativamente el rendimiento de kNN, subiendo su exactitud de 0.57 a 0.93.
Imagen 1: Mapa de calor de correlación. Se observa la fuerte relación entre Ingresos, Préstamo y Activos.
from sklearn.metrics import roc_auc_score
positive_class_index = logreg.classes_.tolist().index(' Approved')
y_pred_probs = logreg.predict_proba(X_sc_test)[:, positive_class_index]
print("Puntaje ROC AUC:", roc_auc_score(y_test_bin, y_pred_probs))from sklearn.model_selection import cross_val_score, KFold
kF = KFold(n_splits=5, shuffle=True, random_state=42)
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
qda = QuadraticDiscriminantAnalysis(store_covariance=True)
scores = cross_val_score(qda, X_tc_scaled, y, cv=kF)
print("Promedio de exactitud QDA:", scores.mean())from sklearn.metrics import classification_report
print("Rendimiento del modelo ganador:")
print(classification_report(y_test, logreg_test_pred))Development of a binary classifier to automate loan approval. Five algorithms (LDA, QDA, kNN, Logistic Regression, and Decision Tree) were compared to evaluate the impact of scaling and preprocessing numerical variables on model performance.
StandardScaler significantly increased kNN performance, allowing the classifier to base its metrics on actual distances rather than scale differences.
Figure 1: Correlation heatmap. Note the strong relationship between Income, Loan, and Assets.
from sklearn.metrics import roc_auc_score
positive_class_index = logreg.classes_.tolist().index(' Approved')
y_pred_probs = logreg.predict_proba(X_sc_test)[:, positive_class_index]
print("ROC AUC Score:", roc_auc_score(y_test_bin, y_pred_probs))from sklearn.model_selection import cross_val_score, KFold
kF = KFold(n_splits=5, shuffle=True, random_state=42)
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
qda = QuadraticDiscriminantAnalysis(store_covariance=True)
scores = cross_val_score(qda, X_tc_scaled, y, cv=kF)
print("Average QDA accuracy:", scores.mean())from sklearn.metrics import classification_report
print("Winner model performance:")
print(classification_report(y_test, logreg_test_pred))El proyecto consistió en diseñar e implementar un sistema de gestión integral para una bicicletería que realiza operaciones de compra, venta y alquiler. El desafío técnico radicó en modelar una arquitectura robusta mediante Programación Orientada a Objetos (OOP) que integrara estructuras de datos fundamentales y permitiera un análisis de mercado basado en datos reales de movilidad.
Equipo: Proyecto realizado en equipo.
Se aplicó una jerarquía de clases con herencia para organizar roles (Usuario -> Cliente/Empleado) y productos (Bicicleta -> Ciudad/Playera/Carrera). Además, se implementaron estructuras manuales para la gestión eficiente de memoria y procesos:
A partir del procesamiento de conjuntos de datos reales (bicicletas.csv), se generaron hallazgos estratégicos:
Imagen 1: Diagrama de clases y estructura del sistema.
Imagen 2: Análisis de hubs de movilidad y demografía de usuarios.
Imagen 3: Ejecución del sistema y menú principal.
The project consisted in designing and implementing an integrated management system for a bicycle shop that performs purchase, sale, repair, and rental operations. Development focused on applying Object-Oriented Programming (OOP) best practices and the structured use of memory.
A class hierarchy with inheritance was applied to organize roles (User -> Client/Employee) and products (Bicycle -> City/Beach/Road). In addition, manual structures were implemented for efficient memory and process management:
Geographical and temporal bike-share usage in the Autonomous City of Buenos Aires was analyzed using actual historical data:
Figure 1: Class diagram and system architecture.
Figure 2: Mobility hubs and user demographics analysis.
Figure 3: System execution and main menu.
El objetivo de este proyecto fue profesionalizar la gestión de datos de una oficina inmobiliaria (REMAX), migrando de planillas de cálculo dispersas a una base de datos relacional robusta. El desafío técnico implicó diseñar una arquitectura escalable que garantizara la integridad de la información y permitiera la automatización de procesos de negocio.
Equipo: Proyecto realizado en equipo.
La implementación resultó en una base de datos centralizada y segura, eliminando la duplicidad de datos y permitiendo el seguimiento histórico de las valuaciones de las propiedades.
Imagen 1: Diagrama de Entidad-Relación (DER) normalizado.
Imagen 2: Primer panel de control analítico en MicroStrategy.
Imagen 3: Segundo panel de control analítico en MicroStrategy.
The objective of this project was to professionalize the data management of a real estate office (REMAX), migrating from scattered spreadsheets to a robust relational database. The technical challenge involved designing a scalable architecture that guaranteed information integrity and allowed the automation of business processes.
Team: Collaborative team project.
The implementation resulted in an organized, secure, and efficient database that served as a foundation for managerial decision-making in the office.
Figure 1: Normalized Entity-Relationship Diagram (ERD).
Figure 2: First analytical dashboard in MicroStrategy.
Figure 3: Second analytical dashboard in MicroStrategy.
El objetivo fue analizar el comportamiento bursátil de Ternium Argentina (TXAR) para proyectar sus ventas futuras y determinar su exposición al riesgo sistémico del mercado local. Se utilizaron datos financieros reales para el período 2020-2023.
Equipo: Proyecto realizado en equipo.
Imagen 1: Evolución histórica de la cotización de Ternium (TXAR).
Imagen 2: Salida de la regresión múltiple inicial con las cuatro variables macroeconómicas propuestas.
Imagen 3: Modelo econométrico final parsimonioso basado en producción automotriz y precios internacionales del acero.
The objective was to analyze the stock market behavior of Ternium Argentina (TXAR) to project its future sales and determine its exposure to local market systemic risk. Real financial data for the 2020-2023 period was used.
Team: Collaborative team project.
Figure 1: Historical stock price evolution of Ternium (TXAR).
Figure 2: Initial multiple regression output with the four proposed macroeconomic variables.
Figure 3: Final parsimonious econometric model based on automotive production and international steel prices.
El objetivo fue modelar el comportamiento de la acción del Grupo Financiero Galicia (GGAL.BA), uno de los activos más líquidos y volátiles del mercado argentino (Merval). A diferencia del análisis de tendencias a largo plazo, este proyecto se centró en la predicción de retornos a corto plazo utilizando modelos estocásticos.
Equipo: Proyecto realizado en equipo.
El análisis reveló la naturaleza de "reversión a la media" de los retornos diarios:
Imagen 1: Resultados del test de Dickey-Fuller Aumentado (ADF) para la serie de precios.
Imagen 2: Salida de estimación del modelo AR(8,22) para los retornos logarítmicos de la acción.
Imagen 3: Pruebas de diagnóstico.
The objective was to model the behavior of the stock of Grupo Financiero Galicia (GGAL.BA), one of the most volatile and liquid assets in the Argentine market (Merval). Unlike long-term trend analysis, this project focused on predicting short-term returns using stochastic models.
Team: Collaborative team project.
Figure 1: Augmented Dickey-Fuller (ADF) test results for the price series.
Figure 2: AR(8,22) estimation output for the stock log-returns.
Figure 3: Diagnostic tests.
Estimar los retornos económicos de la educación controlando por heterogeneidad no observada mediante modelos de datos de panel.
Equipo: Proyecto realizado en equipo.
El modelo arrojó resultados estadísticamente significativos (p-value < 0.01):
Estimación del modelo de efectos aleatorios para el análisis de la brecha salarial de género.
Estimating the economic returns to education while controlling for unobserved heterogeneity using panel data models.
Team: Collaborative team project.
The model yielded statistically significant results (p-value < 0.01):
Random effects model estimation for the gender wage gap analysis.