Skip to content
View LuisGGarcia2's full-sized avatar
  • Michoacán, México
  • Joined Aug 13, 2026

Block or report LuisGGarcia2

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
LuisGGarcia2/README.md

¡Hola! Soy Luis Gerardo García 👋

Científico de Datos Jr.

Profesional en transición hacia Ciencia y Análisis de Datos, con experiencia en liderazgo de operaciones de almacén y e-commerce. Me especializo en transformar datos en información útil mediante Python, SQL, Power BI, estadística y Machine Learning.

Actualmente desarrollo un portafolio de proyectos aplicados a ventas, clientes, operaciones, Recursos Humanos, series de tiempo y modelado predictivo.

🛠️ Tecnologías y herramientas

  • Lenguajes: Python, SQL y DAX
  • Análisis de datos: Pandas, NumPy, SciPy y Statsmodels
  • Machine Learning: Scikit-learn
  • Visualización: Matplotlib, Seaborn y Power BI
  • Bases de datos: SQL Server, SQLite y PostgreSQL
  • Entornos: Google Colab, JupyterLab, Anaconda y GitHub
  • Otras herramientas: Power Query, Excel y Orange Data Mining

📌 Proyectos destacados

Modelado predictivo de ventas semanales mediante ARIMA, validación temporal y generación de pronósticos para apoyar decisiones comerciales.

Diseño y análisis de una base SQLite de clientes, productos y pedidos mediante Python, INNER JOIN y LEFT JOIN.

Segmentación de clientes mediante Recency, Frequency y Monetary, complementada con clustering K-Means.

Análisis exploratorio de 122,002 registros para identificar tendencias, productos destacados, comportamiento geográfico y anomalías.

Regresión lineal múltiple y álgebra matricial para predecir precios de viviendas con el dataset KC House.

Análisis de estacionariedad, autocorrelación, promedios móviles y pronóstico de precios bursátiles.

💼 Experiencia profesional

Cuento con experiencia como Supervisor de Operaciones E-commerce y Jefe de Almacén, coordinando inventarios, recepción, surtido, empaque, embarques, paqueterías e indicadores operativos.

Esta experiencia me permite combinar conocimiento del negocio con análisis de datos para abordar problemas relacionados con ventas, inventarios, clientes y eficiencia operativa.

🎯 Objetivo profesional

Busco oportunidades como Científico de Datos Jr. o Analista de Datos, preferentemente en modalidad remota, donde pueda aplicar mis conocimientos técnicos, capacidad analítica, liderazgo y experiencia en e-commerce.

📚 Formación

  • Formación profesional en Ciencia de Datos — EBAC
  • Licenciatura en Administración de Empresas Turísticas — UNID

📫 Contacto

Puedes contactarme mediante las opciones disponibles en mi perfil de GitHub.

Pinned Loading

  1. empresa-aliada-arima-vanish-lysol empresa-aliada-arima-vanish-lysol Public

    Modelado predictivo de ventas semanales de VANISH y LYSOL mediante ARIMA, validación temporal y pronóstico futuro.

    Jupyter Notebook

  2. sqlite-almacen-ecommerce sqlite-almacen-ecommerce Public

    Base de datos relacional SQLite para analizar clientes, productos y pedidos de una operación de almacén e-commerce.

    Jupyter Notebook

  3. segmentacion-clientes-rfm segmentacion-clientes-rfm Public

    Segmentación de clientes mediante métricas RFM y clustering K-Means para identificar perfiles de comportamiento comercial.

    Jupyter Notebook

  4. eda-empresa-aliada eda-empresa-aliada Public

    Análisis exploratorio de 122,002 registros de ventas para identificar tendencias, productos destacados y anomalías comerciales.

    Jupyter Notebook

  5. prediccion-precios-kc-house prediccion-precios-kc-house Public

    Predicción de precios de vivienda mediante regresión lineal múltiple y álgebra matricial con el dataset KC House.

    Jupyter Notebook

  6. series_tiempo_ibm_walmart series_tiempo_ibm_walmart Public

    Análisis exploratorio, estacionariedad, promedios móviles y pronóstico de las acciones de IBM y Walmart.

    Jupyter Notebook