Acerca de

Este repositorio reúne notas de trabajo, cuadernos y recursos de apoyo de mi recorrido como Decision Scientist y Analytic Engineer. Funciona como un archivo vivo de técnicas, implementaciones de referencia y experimentos que revisito y actualizo con el tiempo.

Estructura del repositorio

• credit_intelligence_&_modelling/ – estudios específicos del dominio. El módulo cap12_borrowed_measures actualmente incluye notebooks, presentaciones y datos sobre modelado de riesgo, teoría de probabilidades y analítica relacionada.
• requirements.txt – especificación del entorno Python para reproducir los notebooks exploratorios.
• LICENSE – términos de la licencia (GPLv3).

Primeros pasos

1. Asegúrate de tener Python 3.10 o superior instalado.
2. (Recomendado) Crea un entorno virtual dedicado:

   python3 -m venv .venv
   source .venv/bin/activate

3. Instala las dependencias:

   pip install -r requirements.txt

4. Inicia Jupyter para explorar los notebooks:

   jupyter lab

Notas sobre los datos

Los conjuntos de datos de ejemplo se encuentran en credit_intelligence_&_modelling/cap12_borrowed_measures/data/. Las carpetas siguen la convención de Cookiecutter Data Science (raw/, interim/, processed/, visualizations/). Mantén los datos crudos inmutables y guarda los artefactos derivados en la capa correspondiente.

Licencia

Este proyecto está licenciado bajo la GNU General Public License v3.0 (GPLv3).
Eres libre de usarlo para cualquier propósito, pero cualquier modificación u obra derivada también debe compartirse bajo la misma licencia e incluir la atribución correspondiente.
Consulta el archivo LICENSE para más detalles.