This report loads a GitHub-hosted CSV of multilingual mobile app reviews and prepares a small, tidy data frame for basic analysis. It selects a clear subset of variables, assigns readable names, converts rating to numeric, parses review_date, and expands common language codes (e.g., “en” → “English”). A short overview links to background reading on differences between star ratings and review text.

El mercado inmobiliario de Cali atraviesa un periodo de desaceleración, lo que ha generado la necesidad de emplear herramientas estadísticas que permitan tomar decisiones fundamentadas en datos. En este contexto, la agencia C&A recibió la solicitud de una compañía internacional interesada en adquirir dos viviendas con características específicas y montos de crédito preaprobados. El presente informe aplica técnicas de regresión lineal múltiple para estimar y predecir el precio de las viviendas en función de variables clave como área construida, estrato socioeconómico, número de habitaciones, parqueaderos y baños. Además, se realiza un análisis exploratorio con herramientas interactivas, se validan los supuestos del modelo y se identifican ofertas potenciales que se ajusten a las condiciones de las solicitudes. Los resultados permitirán a C&A ofrecer recomendaciones fundamentadas y seleccionar opciones viables dentro del mercado caleño, combinando el análisis cuantitativo con la interpretación contextual de la dinámica inmobiliaria.

This data report presents an analysis of a marketing dataset from a Portuguese banking institution's direct marketing campaigns. The dataset focuses on phone-based marketing efforts aimed at promoting term deposits to clients. The primary objective is to develop a predictive classification model that determines whether a client will subscribe to a term deposit (binary outcome: 'yes' or 'no'). The campaigns often required multiple contacts with the same client to achieve successful conversions, making this a complex customer behavior prediction problem."

Module 1