Producto de datos ML de extremo a extremo que predice el precio máximo del día siguiente para Bitcoin, Ethereum, XRP y Solana. Responsable individual del modelo LSTM de Ethereum y del pipeline de datos de CoinGecko. Servido vía FastAPI y visualizado en Streamlit.
Producto de datos ML grupal construido como parte de la materia de Aplicaciones Avanzadas de Machine Learning en UTS, que predice el precio máximo del día siguiente para cuatro criptomonedas: Bitcoin, Ethereum, XRP y Solana. Fui responsable individual del modelo de predicción de Ethereum y de la infraestructura de datos compartida. Para Ethereum, ejecuté cuatro experimentos evaluando arquitecturas de Regresión Lineal, Random Forest, ElasticNet, HistGradientBoosting y LSTM. El LSTM superó significativamente a los modelos clásicos (MAE de validación de 118,3 vs 1.301,9 para HGB), y el pipeline de producción final usa un LSTM con timesteps=5, units=64, lr=0,001, batch size=32, logrando un MAE de test de 70,78. También construí el pipeline de datos y el feed de noticias impulsado por la API de CoinGecko, que suministra datos de precios en tiempo real y resúmenes de mercado al dashboard. Todos los modelos se sirven vía FastAPI con el modelo .keras y los artefactos de preprocesamiento (MinMaxScaler, SequenceTransformer) exportados al directorio /models. El dashboard de Streamlit visualiza las predicciones junto con el contexto de mercado en tiempo real. Desplegado en Render.
