PREDICTORACADÉMICO
Sistema de clasificación multiclase para predecir el éxito académico de estudiantes universitarios usando XGBoost y Random Forest
El Problema
Las universidades enfrentan altas tasas de abandono estudiantil que afectan tanto a las instituciones educativas como a los estudiantes. Sin herramientas predictivas tempranas, es difícil identificar a los estudiantes en riesgo y proporcionar el apoyo necesario antes de que abandonen sus estudios. Esta situación genera pérdidas económicas para las instituciones y frustraciones personales para los estudiantes.
La Solución
Desarrollo de un sistema predictivo basado en machine learning que analiza múltiples factores académicos y socioeconómicos para identificar patrones de riesgo. El sistema utiliza algoritmos XGBoost y Random Forest con una precisión del 85%, permitiendo intervenciones tempranas y personalizadas. La interfaz web facilita el acceso a las predicciones en tiempo real.
Impacto
Permite a las instituciones educativas implementar estrategias de retención proactivas, reducir las tasas de abandono y mejorar el éxito académico estudiantil mediante intervenciones tempranas y dirigidas.
Categoría
Inteligencia Artificial & Full Stack
Fecha de finalización
Mayo de 2025
Stack tecnológico
Puntos destacados
- Precisión del modelo XGBoost: ~85%
- API RESTful con FastAPI
- Interfaz responsiva con Tailwind CSS
- Pipeline de preprocesamiento automático
- Modelos optimizados con Optuna
- Diseño inspirado en portales de la Comunidad de Madrid para mayor realismo
Vista Desktop
Vista Tablet
Vista Móvil
Características principales
- Predicción multiclase del éxito académico
- Interfaz web interactiva y responsiva
- API REST para predicciones en tiempo real
- Preprocesamiento automático de datos
- Sistema de base de datos con Supabase
Siguiente proyecto
DATASHOPANALYTICS