Data Analytics Portfolio

Portfolio de proyectos de datos desarrollados durante el bootcamp de Data Analytics. SQL, Python, Machine Learning e Inteligencia Artificial aplicados a casos reales de negocio.

Autor: Borja Mora Méndez · Email: borja.mora.mendez@gmail.com · LinkedIn: linkedin.com/in/borjamoramendez

---

Estructura del portfolio

Data-Analytics-Portfolio/
├── 01-SQL/                     Consultas, modelado dimensional, ETL en T-SQL
├── 02-Python/                  4 casos de negocio EDA + 4 manuales de referencia
├── 03-Machine-Learning/        35 casos: supervisado, no supervisado, RRNN, series
└── 04-IA-BigData/              Agentes IA, LLMs, APIs, minería de datos, Big Data

Cada carpeta principal tiene su propio README con la lista de proyectos, técnicas aplicadas y accesos directos.

---

Categorías

01 · SQL

3 proyectos analíticos con T-SQL y SQL Server: CTEs, Window Functions (ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD), subqueries correlacionadas, PERCENTILE_CONT, sumas acumuladas y ejercicio tipo entrevista técnica.

Stack: T-SQL, SQL Server Management Studio, AdventureWorks2025.

Proyecto	Qué se aprende
Análisis de ventas — Red de concesionarios	CTEs, subqueries correlacionadas, LAG, PERCENTILE_CONT, PERCENT_RANK
AdventureWorks Avanzado — Window Functions	ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD, sumas acumuladas, examen tipo entrevista
Análisis de clientes — Tienda	LEFT JOIN, subqueries IN/NOT IN, CASE, CTEs, Window Functions, PARTITION BY

Ver la sección completa →

02 · Python

4 casos de negocio + 4 manuales de referencia. Análisis exploratorio con storytelling completo (comercial, educación, seguros, restauración) y manuales pedagógicos de Pandas, NumPy y Matplotlib.

Stack: pandas, numpy, matplotlib, seaborn.

Ver la sección completa →

03 · Machine Learning

35 casos prácticos de ML organizados por tipo de aprendizaje y familia de modelo: regresión, clasificación, clustering, PCA, t-SNE, redes neuronales (MLP, CNN, SOM) y series temporales (ARIMA).

Stack: scikit-learn, TensorFlow/Keras, XGBoost, minisom, statsmodels, pmdarima.

Ver los 35 proyectos →

04 · IA & Big Data

Agentes de IA, APIs externas con visualización interactiva, minería de datos y visión artificial. La integración con LLMs (OpenAI, Anthropic, Groq, Ollama vía LangChain) está planificada como próxima categoría.

Stack: ipyleaflet, mlxtend, ultralytics (YOLOv8), ByteTrack.

Proyecto	Qué se aprende
Chatbot de reservas — Nivel 0	Motor de reglas de negocio, menú conversacional, línea base de la progresión hacia agentes con IA
Simulador de rutas reales — OSRM	Consumo de API REST, fórmula de Haversine, interpolación de rutas, mapas interactivos con ipyleaflet
Cesta de la compra — Apriori	Support/confidence/lift manual, algoritmo Apriori (mlxtend), reglas de asociación de 3+ productos
Detección de objetos en imágenes	YOLOv8 preentrenado, límites de un modelo genérico frente a clases no vistas
Conteo de vehículos en vídeo	YOLOv8 + ByteTrack, tracking de identidad entre frames, conteo por cruce de línea

Ver la sección completa →

---

Stack técnico

Ámbito	Tecnologías
Análisis y modelado	Python, SQL Server (T-SQL), pandas, NumPy
Machine Learning e IA	scikit-learn, TensorFlow, Keras, statsmodels
Business Intelligence	Power BI, DAX, Power Query, Tabular Editor
Visualización	Matplotlib, Seaborn
Entorno de desarrollo	Jupyter, Visual Studio Code, Git, GitHub

---

Contacto

• LinkedIn: linkedin.com/in/borjamoramendez
• Email: borja.mora.mendez@gmail.com
• GitHub: @BORJAMOME

---