WattVisor

• 

  Plot output

• 

  Collaborators

Inspiración

Inspirados por el reto propuesto por la empresa Gradiant, nos propusimos a encontrar una solución interesante para los datos aportados sobre las facturas de la luz, dando a los usuarios información sobre sus tendencias de consumo y gastos, y proponiendo un modelo de regresión que intenta predecir el consumo para un cliente basado en su histórico.

Como se construyó

En la fase inicial del proyecto, llevamos a cabo un análisis exploratorio de datos utilizando herramientas como Pandas y Matplotlib para comprender la distribución de los datos. Posteriormente, aplicamos técnicas de procesamiento de features adecuadas para series de tiempo. Utilizamos estos datos procesados para entrenar un modelo de Machine Learning regresivo con Scikit-Learn, con el objetivo de predecir el coste de cada hora de los días del próximo mes.

Integramos con éxito este modelo en una aplicación web de primera calidad, construida con un backend en Django y un frontend en React. Esta combinación de tecnologías nos permitió ofrecer una experiencia de usuario fluida y funcionalidades avanzadas para nuestra aplicación.

Retos a los que nos enfrentamos

En cuanto al modelo de predicción, nos enfrentamos a desafíos que requirieron la aplicación de diversas técnicas de preprocesamiento y aumento de datos para obtener resultados satisfactorios. Este proceso implicó una cuidadosa exploración y experimentación con diferentes enfoques para mejorar la precisión y la generalización del modelo.

Por otro lado, el desarrollo de la página web nos llevó a adentrarnos en nuevas tecnologías y a adaptarnos rápidamente a un entorno desconocido. La integración entre el backend y el frontend resultó ser más compleja de lo inicialmente previsto, lo que nos impulsó a resolver problemas inesperados y a perfeccionar nuestra comprensión de la interacción entre ambas partes del sistema.

De qué estamos orgullosos

Nos enorgullece haber logrado entrenar el modelo de regresión simultáneamente mientras desarrollábamos la página web para visualizar las predicciones y otros valores relevantes, todo ello en un tiempo limitado. Esta gestión eficiente del tiempo y los recursos nos permitió alcanzar nuestros objetivos dentro de los plazos establecidos, demostrando nuestra capacidad para enfrentar múltiples tareas de manera efectiva y cumplir con los requisitos del proyecto.

Qué hemos aprendido

Este proyecto nos desafió a demostrar nuestras habilidades tanto en análisis de datos como en desarrollo de software, lo que nos llevó a adquirir un amplio conjunto de técnicas de preprocesamiento de datos y desarrollo de frontend. Esta experiencia nos permitió expandir nuestros conocimientos y habilidades en áreas críticas para el éxito del proyecto, y nos sentimos orgullosos de haber enfrentado estos desafíos y haberlos superado con éxito.

¿Qué es lo próximo de Wattvisor?

En cuanto a lo que nos espera, nuestro próximo objetivo es mejorar la interfaz de la web para hacerla más accesible y visualmente atractiva. Queremos asegurarnos de que los usuarios se sientan cómodos y confiados al utilizarla para gestionar sus facturas de luz mensuales. Esta mejora se alinea con el enfoque principal del proyecto, que es el desarrollo de un sistema inteligente capaz de predecir los consumos de energía. Nuestro objetivo final es ayudar a los clientes a anticipar sus gastos y, lo más importante, identificar oportunidades de ahorro significativas cada mes.

Built With

• django
• python
• react
• scikit-learn