Answering my own random questions with real data. Personal data projects for learning, experimentation, and turning curiosity into insights.
| # | Proyecto | Qué es | Stack |
|---|---|---|---|
| 1 | Pokemon Legendary Analysis | Qué características definen a un Pokemon legendario | pandas, matplotlib |
| 2 | Tech Salaries & Remote Work | Salarios tech y el impacto del trabajo remoto | pandas, matplotlib |
| 3 | Gasolina, Guerras y Causalidad | Correlación y causalidad entre conflictos geopolíticos y precio de la gasolina | pandas, scipy, statsmodels |
| 4 | Google Trends vs IBEX 35 | ¿Las búsquedas de "recesión" en Google predicen caídas de la bolsa española? | pandas, statsmodels |
| 5 | Spotify: ¿Canciones tristes en invierno? | Valence, energy y estacionalidad en 8000+ tracks | pandas, sklearn |
| 6 | Vivienda Valencia: ¿La DANA disparó el alquiler? | Event study y DiD sobre el impacto de las inundaciones | pandas, statsmodels |
| 7 | Bitcoin & Fear | ¿El pánico del mercado predice el precio de Bitcoin? | pandas |
| 8 | ¿El "89% más hidratación" de Olay es real? | Deconstrucción estadística de claims de marketing cosmético | pandas, matplotlib |
| 9 | ¿Los estudios de Clarins aguantan? | Análisis de potencia estadística y validez de claims | pandas, scipy |
| 10 | Vichy Minéral 89 | ¿El marketing dice lo mismo que los estudios publicados? | pandas, scipy |
| 11 | Machine Learning de 0 a Viral | 5 notebooks ML progresivos: regresión lineal → XGBoost → predictor viral | scikit-learn, xgboost, shap |
| 12 | Spotify Wrapped Pero Real | Análisis de historial de escucha que el Wrapped oficial no hace | scikit-learn, matplotlib |
| 13 | Análisis de Comentarios | Qué dice mi audiencia: sentimiento, topics, frases frecuentes | nltk, scikit-learn, wordcloud |
| 14 | A/B Testing | Experimento A/B completo: z-test, power analysis, segmentación y Simpson's paradox | scipy, statsmodels |
| 15 | Time Series Forecasting | ARIMA, SARIMA y Prophet sobre airline passengers + ventas sintéticas | statsmodels, prophet |
| 16 | Deep Learning Intro | De Random Forest a CNN con PyTorch: MLP, CNN, dropout en MNIST | pytorch, scikit-learn |
