Nexo · Machine learning aplicado
Sistema de evaluación crediticia con Machine Learning
- Contexto
- Proyecto personal
- Participación
- Desarrollo full stack
Problema
Hacer comprensible la evaluación de distintos perfiles financieros y permitir explorar cómo una variable cambia el resultado.
Solución
Desarrollé evaluaciones individuales y lotes de hasta diez solicitudes, comparación de escenarios, exportación a Excel y un tablero que incorpora las consultas de la sesión.
Arquitectura
Monolito MVT con Django. Un modelo Random Forest y procesamiento con Pandas, NumPy y scikit-learn. Despliegue con Gunicorn, WhiteNoise y Docker.
Paso 01 / 04 · Navegador
El formulario envía los datos del perfil ficticio «Caso Lima».
Leer el recorrido
- El formulario envía los datos del perfil ficticio «Caso Lima».
- Django prepara las variables de la solicitud para el modelo.
- Random Forest estima una probabilidad de aprobación del 83,82 % para este perfil.
- El tablero incorpora la evaluación a los resultados de la sesión.
DespliegueRenderDockerGunicornWhiteNoise
Tecnologías
Aplicación
- Python
- Django
- Django Templates
- HTML
- CSS
- JavaScript
Modelo
- scikit-learn
- Random Forest
- StandardScaler
- Pandas
- NumPy
Entrega
- OpenPyXL
- Gunicorn
- WhiteNoise
- Docker
- Render