Desarrollé un modelo predictivo con Random Forest para identificar estudiantes en riesgo de adicción a redes sociales, usando datos de 705 registros. Alcancé una precisión del 99.3% y F1-score cercano a 1.0, validado con cross-validation (98.4% de accuracy promedio). Utilicé Python (pandas, matplotlib, seaborn, sklearn) para limpieza, análisis y visualización de datos, identificando variables clave como sueño, salud mental, edad e impacto académico.

Identifiqué variables predictoras clave (como horas de sueño, salud mental autoevaluada, edad, impacto académico y plataforma más usada) que permiten clasificar a estudiantes en riesgo de adicción a redes sociales, apoyando el diseño de estrategias preventivas en salud mental y educación.

Analicé más de 73.000 registros de resultados ICFES Saber 11 en Antioquia (2017) para identificar factores asociados al rendimiento académico. Desarrollé un modelo de regresión lineal en Python para predecir el puntaje en lectura crítica, encontrando que el estrato socioeconómico, el acceso a libros, internet y computador en el hogar influyen significativamente en los resultados. Visualicé los hallazgos en un dashboard interactivo en Power BI que resalta la relación entre contexto familiar.

Identifiqué variables socioeconómicas y del entorno familiar (como número de libros en casa, acceso a internet y computador, y estrato social) que impactan significativamente el puntaje en lectura crítica del ICFES, aportando evidencia útil para políticas educativas enfocadas en equidad y rendimient

Automatización de conciliaciones y procesos contables con Excel, apoyo en reportes financieros, organización y digitalización de información contable, atención al cliente y análisis de saldos.

Automatización de conciliaciones y procesos contables con Excel. Generación de reportes financieros y digitalización de información contable.