💡 Site pessoal, inspirado em minhas caracteristicas.

Análisis exploratorio de datos (EDA) de condiciones atmosféricas (Temperatura, Humedad Relativa, Dirección y Velocidad del Viento). Utilizando Python y datos de la Red de Meteorología y Radiación Solar (REDMET), se analizaron los registros en la Ciudad de México del año 2015 a 2023 para identificar patrones estacionales y su evolución temporal.

Análisis exploratorio de datos (EDA) sobre la afluencia histórica del Metro de la CDMX (2010-2025). Utilizando Python y datos oficiales del Portal de Datos Abiertos, este proyecto identifica patrones temporales, estacionalidad y tendencias de movilidad urbana en una de las redes de transporte más importantes del país.

Análisis exploratorio de datos (EDA) y visualización geográfica de tianguis en la Ciudad de México (2022). Utilizando Python y datos de la Secretaría de Desarrollo Económico (SEDECO), se analizaron para identificar su distribución geográfica y comportamiento a lo largo de los días de la semana.

Análisis exploratorio de datos (EDA) y visualización geográfica de incidentes viales en la Ciudad de México (2014-2024). Utilizando Python y datos del Centro de Comando, Control, Cómputo, Comunicaciones y Contacto Ciudadano de la CDMX (C5), se analizaron los incidentes viales para identificar patrones de mayor riesgo y su distribución geográfica.

Análisis espacial del delito de despojo de viviendas en la Ciudad de México y Zona Metropolitana (2015-2025). Utilizando R, QGIS, y datos oficiales del Sistema Nacional de Seguridad Pública (SNSP), se procesaron y filtraron los reportes de incidencia delictiva para la generación de cartografía.

Análisis exploratorio de datos (EDA) sobre la afluencia histórica del Metrobus de la CDMX (2005-2025). Utilizando Python y datos oficiales del Portal de Datos Abiertos, este proyecto identifica patrones temporales, estacionalidad y tendencias de movilidad urbana.

Análisis exploratorio de datos (EDA) y visualización geográfica de sistemas de captación de lluvia en la Ciudad de México (2019-2024). Utilizando Python y datos de la Secretaría del Medio Ambiente (SEDEMA), se analizaron los registros para identificar su distribución geográfica e implementación a lo largo de los años.

Análisis exploratorio de datos (EDA) de contaminantes atmosféricos y partículas suspendidas (PST, PM10, PM2.5 y Plomo). Utilizando Python y datos de la Red de Meteorología y Radiación Solar (REDMET), en este proyecto se analizaron los registros de partículas en la Ciudad de México del año 2015 a 2023, para identificar patrones estacionales.

My portfolio

Headless CMS to fully customise everything that happens inside Jorgel, Inc.

Repositorio de prácticas fundamentales enfocado en técnicas de Análisis Exploratorio de Datos (EDA) y modelos de Regresión Lineal para la interpretación de tendencias y relaciones, utilizando datasets de fuentes abiertas como Kaggle y GitHub.

Análisis exploratorio de datos (EDA) del número de casos positivos del COVID-19 en la Ciudad de México (2020-2023). Utilizando Python y datos de la Secretaría de Salud, en este proyecto se identificaron tendencias de casos positivos registrados por temporalidad.

Invista em ti mesmo.

Analyze rainwater harvesting systems in Mexico City (2019-2024) to map coverage and identify areas with high technology adoption.

Primer repositorio en github

Analyze and visualize 2022 Mexico City tianguis data using Python for spatial patterns, schedule extraction, and duration calculations.