Soy Andrés Acosta, un científico de datos apasionado por descubrir insights valiosos a partir de datos. He tenido la oportunidad de trabajar con diversas herramientas y tecnologías que me han permitido desarrollar competencias sólidas en el análisis y la visualización de datos.

Poseo competencia en Python, donde he desarrollado scripts y aplicaciones para el procesamiento y análisis de datos. Mi interés en Machine Learning me ha llevado a implementar modelos predictivos que facilitan la toma de decisiones basada en datos. Además, tengo conocimientos en visualización de datos utilizando bibliotecas como Matplotlib y Seaborn, lo que me permite presentar información de manera clara y efectiva.

Tengo un buen dominio de Git, lo que me permite gestionar versiones de proyectos de manera eficiente y colaborar efectivamente en entornos de equipo. Mi competencia en MySQL me ha capacitado para trabajar con bases de datos, optimizando consultas y estructurando datos de manera que sean fácilmente accesibles y analizables. También poseo conocimientos sobre comandos en la terminal basados en Linux, lo que me permite navegar y gestionar proyectos de manera eficiente en entornos Unix.

Soy una persona curiosa y en constante aprendizaje, siempre en busca de nuevas técnicas y enfoques para mejorar mis habilidades. Me entusiasma la idea de aplicar la ciencia de datos en proyectos innovadores que generen un impacto positivo.

Estoy abierto a nuevas oportunidades y colaboraciones, y siempre estoy dispuesto a enfrentar nuevos desafíos que me permitan crecer profesionalmente.

graph TD;
  Data-Scientist --> Python;
  Data-Scientist --> Pandas;
  Data-Scientist --> NumPy;
  Data-Scientist --> Machine-Learning;
  Machine-Learning --> Scikit-Learn;
  Machine-Learning --> TensorFlow;
  Machine-Learning --> PyTorch;
  Data-Scientist --> Data-Visualization;
  Data-Visualization --> Matplotlib;
  Data-Visualization --> Seaborn;
  Data-Visualization --> Plotly;
  Data-Scientist --> SQL;
  Data-Scientist --> Git;
  Data-Scientist --> Linux-Command-Line;
  Data-Scientist --> App-Deployment;
  App-Deployment --> Streamlit;
  App-Deployment --> FastAPI;
  App-Deployment --> Docker;
  App-Deployment --> Heroku;

• Lenguajes de programación y librerías:

  

• Bases de datos y servicios en la nube:

  

• Herramientas de desarrollo:

  

• Terminales:

  

• Sistemas operativos:

  

• Herramientas de gestión de proyectos:

  

• Otras tecnologías:

                   

Mis repositorios reflejan una variedad de proyectos relacionados con el análisis de datos y desarrollo de soluciones basadas en Machine Learning. A través de ellos, he implementado soluciones en Python, donde se puede ver el uso de bibliotecas como pandas y scikit-learn, junto con análisis visuales utilizando herramientas como matplotlib y seaborn. Además, algunos de mis proyectos demuestran la integración de bases de datos utilizando MySQL y el manejo eficiente de Git, GitHub. Estos repositorios muestran mi interés en desarrollar soluciones prácticas que optimicen la toma de decisiones basadas en datos.