ML_MODEL
📦 GitHub
M5 Forecasting — Optimización de Demanda en Retail
Pipeline de Machine Learning multi-serie optimizado para predecir la demanda diaria de Walmart y mitigar costos de sobrestock.
El Problema de Negocio
Walmart gestiona miles de productos con alta intermitencia en ventas. Una mala predicción genera capital inmovilizado o quiebres de stock. Este proyecto implementa un pipeline punta a punta para resolverlo.
Ingeniería de Variables (Feature Engineering) con Polars
- Procesamiento Eficiente: Uso de Polars para optimizar el uso de memoria RAM durante la agregación de ventas históricas.
- Lags hídricos: Retrasos temporales de ventas para capturar inercia.
- Ventanas móviles: Medias y desviaciones estándar acumuladas.
- Efectos de Calendario: Integración de promociones SNAP y días festivos.
Modelo Matemático
Se entrenó un regresor LightGBM optimizando hiperparámetros para manejar grandes volúmenes de datos tabulares y patrones no lineales de forma ultra eficiente.