🤖 Telecom X - Machine Learning Challenge

---

🔍 Descripción

Telecom X - Parte 2 es el challenge final de la ruta Estadísticas y Machine Learning G8 - ONE de Alura Latam y Oracle.
Este proyecto consiste en aplicar técnicas estadísticas, regresión y modelos de clasificación para predecir la cancelación de clientes (churn) en una empresa de telecomunicaciones.

---

🎯 Objetivos del proyecto

• Aplicar el ciclo completo de un proyecto de ciencia de datos real.
• Explorar, limpiar y preparar los datos para modelado predictivo.
• Implementar modelos de regresión logística y random forest.
• Analizar el comportamiento de clientes y generar insights para retención.

---

🛠️ Tecnologías y herramientas utilizadas

• Lenguaje: Python 3.11
• Entorno: Jupyter Notebook
• Librerías:
  • pandas, numpy, matplotlib, seaborn
  • scikit-learn para modelos y métricas
  • imbalanced-learn para balanceo de clases con SMOTE

---

🧠 Conocimientos aplicados

Este proyecto es la culminación de la ruta de aprendizaje Estadística y Machine Learning - G8, y aplica los conocimientos adquiridos en los siguientes cursos:

• 📊 Estadística con Python:
  • Frecuencias, medidas de dispersión, media, mediana, moda, muestreo.
• 📈 Regresión lineal:
  • Modelado, métricas, interpretación de coeficientes.
• 🤖 Machine Learning - Clasificación:
  • Modelos supervisados, validación, métricas de evaluación.
• ✈️ IA aplicada a datos reales:
  • Predicción de eventos como cancelación o retraso.

---

⚙️ Estructura del proyecto

TelecomX_ML_Challenge/
├── TelecomX_Cleaned.csv         # Datos ya tratados desde la parte 1
├── TelecomX_Desafio_Parte2.ipynb  # Notebook completo y comentado
├── README.md
└── LICENSE

---

🚀 Cómo ejecutar el proyecto

1. Clona este repositorio:

   git clone https://github.com/sandovaldavid/TelecomX-Part-02-Challenge.git
   cd TelecomX-Part-02-Challenge

2. Crea un entorno virtual e instala dependencias:

   python -m venv venv
   venv\Scripts\activate  # Windows
   source venv/bin/activate  # macOS/Linux
   pip install -r requirements.txt

3. Ejecuta el notebook:

   jupyter lab

---

📊 Lo que contiene el proyecto

• ✔️ Preprocesamiento completo (limpieza, encoding, normalización).
• 📊 Análisis exploratorio: visualizaciones, correlaciones, boxplots.
• ⚖️ Balanceo con SMOTE para datos desbalanceados.
• 🧠 Modelos: Regresión Logística y Random Forest.
• 📈 Evaluación de modelos con classification_report.
• 🧪 Predicción individual de nuevos clientes.

---

📌 Conclusiones

• Se identificaron variables clave asociadas al churn como el tipo de contrato, duración y forma de pago.
• Random Forest mostró mayor robustez al captar relaciones no lineales.
• SMOTE mejoró el rendimiento del modelo para la clase minoritaria.
• Se pueden implementar estrategias de retención basadas en los insights obtenidos.

---

🧭 Ruta ONE G8: Estadística y Machine Learning

Este proyecto es parte del programa Oracle Next Education (ONE) en colaboración con Alura Latam, Grupo 8:

📘 Ruta seguida:
1. Estadística con Python: frecuencias y medidas
2. Estadística con Python: probabilidad y muestreo
3. Regresión lineal con Python
4. Técnicas avanzadas de modelado
5. Clasificación con ML y validación
6. IA aumentada y predicción
7. 🚀 Challenge Telecom X Parte 2 (este proyecto)

---

📄 Licencia

Este proyecto está bajo la Licencia MIT.
Desarrollado para fines educativos en el Programa ONE (Alura + Oracle).