Visual Data, Beautifully Analyzed
Where insights meet style — exploring data dashboards, science, and story.
View My WorkAbout Me
I'm a passionate Data Analyst and Scientist dedicated to uncovering stories within data. With a strong foundation in Python, machine learning, and data visualization, I transform complex datasets into clear, actionable insights.
My Tech Stack
Portfolio Projects
Análisis Interactivo de Avistamientos Históricos de OVNIs en EE.UU.
Análisis de un gran dataset con reportes de OVNIs para identificar "puntos calientes" geográficos, las formas más comunes reportadas y la evolución de los avistamientos entre 1910 y 2014. (¡Análisis de 2015-2025 pronto!)
Herramientas: Python, Pandas, Plotly Express, Streamlit.
Ver Proyecto en Streamlit →Modelo Predictivo de Precios de Automóviles Usados en India
Desarrollo de un modelo de Machine Learning capaz de predecir el precio de un vehículo usado basándose en sus características, como antigüedad, kilometraje y potencia.
Herramientas: Python, Pandas, Scikit-learn, Joblib, Streamlit, yfinance.
Ver Proyecto en Streamlit →Predicción del Aumento del Nivel del Mar
Análisi de datos históricos del nivel del mar desde 1880 y usar Regresión Lineal para proyectar los niveles futuros, evaluando si la tasa de aumento se ha acelerado.
Herramientas: Python, Pandas, Matplotlib, SciPy, Streamlit.
Ver Proyecto en Streamlit →Análisis de Series Temporales de Acciones Bursátiles
Realización de análisis técnico sobre datos históricos de acciones para visualizar tendencias de precios, identificar patrones con medias móviles y evaluar la volatilidad.
Herramientas: Python, Pandas, yfinance, Matplotlib, Seaborn, Streamlit.
Ver Proyecto en Streamlit →Análisis Exploratorio de Ventas Globales de Videojuegos
Análisis de un dataset histórico de más de 16,000 videojuegos para identificar tendencias clave en el mercado, incluyendo géneros, plataformas y la evolución de la industria.
Herramientas: Python, Pandas, Matplotlib, Seaborn, Streamlit.
Ver Proyecto en Streamlit →Análisis de Factores de Riesgo de Enfermedades Cardiovasculares
Investigación de un dataset con datos de 70,000 pacientes para determinar los factores más correlacionados con la presencia de enfermedades cardiovasculares.
Herramientas: Python, Pandas, NumPy, Matplotlib, Seaborn, Streamlit.
Ver Proyecto en Streamlit →Certifications
Data Analysis with Python
Certificación de freeCodeCamp que cubre el ciclo completo de análisis de datos. Completé proyectos sobre análisis demográfico, visualización de datos médicos y más, usando Pandas, NumPy y Matplotlib.
Ver Credencial →