Este informe tiene como objetivo segmentar los períodos operacionales del Aeropuerto Internacional de la Ciudad de México (AICM) en grupos homogéneos (clusters) basados en el volumen de pasajeros. Esto se logra mediante una combinación de Análisis de Correlación, Análisis de Componentes Principales (PCA) y K-Means.

Estoy emocionado de compartir un proyecto reciente donde utilicé el poder del lenguaje R y la metodología de Machine Learning no supervisado para extraer insights críticos de los datos históricos de consumo de agua de la Ciudad de México, disponibles en el portal de datos abiertos de la CDMX. El objetivo principal fue ir más allá de la estadística descriptiva tradicional, utilizando K-Means Clustering para identificar patrones de consumo y cruzar estos resultados con la Detección de Outliers mediante el método del Rango Intercuartílico (IQR).

Introducción al estudio. Este análisis tiene como objetivo principal examinar la distribución de los créditos otorgados por el FIFOMI (Fideicomiso de Fomento Minero) en 2024 en pesos mexicanos. Se desglosan los datos para entender patrones de inversión por Entidad Federativa y por Actividad Económica, incluyendo el número de empresas beneficiadas.