Este proyecto corresponde al Módulo 8 del Bootcamp de Ciencia de Datos.
El objetivo fue aplicar redes neuronales artificiales (ANN) para modelar la tasa de natalidad en distintos países, a partir de variables socioeconómicas y demográficas, evaluando distintas arquitecturas, funciones de activación, regularización y optimizadores.

🌐 Repositorio

🎯 Objetivos

  1. Diseñar y entrenar una red neuronal para resolver un problema de regresión.
  2. Aplicar conocimientos sobre funciones de activación, optimizadores y estrategias para prevenir sobreajuste.
  3. Evaluar y comparar los resultados obtenidos con diferentes configuraciones de la red.
  4. Analizar la influencia de cada variable en la predicción y extraer conclusiones sobre patrones socioeconómicos globales.

🛠️ Tecnologías usadas

  • Python (Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn)
  • TensorFlow / Keras para el diseño y entrenamiento de redes neuronales
  • Callbacks de entrenamiento (EarlyStopping)
  • Regularización con Dropout y L2

📋 Requerimientos implementados

  1. 📊 Carga y exploración de datos
    • Carga del dataset con variables socioeconómicas.
    • Análisis descriptivo, detección de nulos y correlaciones.
    • Visualización mediante heatmap.
  2. 🧠 Diseño y entrenamiento del modelo
    • Red neuronal con capas densas y activaciones relu y tanh.
    • Evaluación de distintos optimizadores (Adam, SGD).
    • Aplicación de regularización: Dropout y L2.
    • Comparación de configuraciones con métricas de pérdida en validación.
  3. ⚙️ Evaluación y optimización del modelo
    • Métricas de evaluación: MSE, MAE y R².
    • Comparación de resultados en datos de prueba.
    • Predicciones vs. valores reales.
  4. 📑 Análisis de resultados y reflexión final
    • Identificación de variables influyentes en la natalidad.
    • Relación de hallazgos con tendencias demográficas globales.
    • Propuestas de mejora para optimización futura.

📊 Visualizaciones

  • Figura 1: Heatmap de correlación entre variables socioeconómicas
    Figura 1

  • Figura 2: Curvas de pérdida (entrenamiento vs. validación)
    Figura 1

  • Figura 3: Curvas de pérdida [150 epocas] (entrenamiento vs. validación)
    Figura 1

📝 Reflexión Final

El análisis de resultados muestra que las variables más influyentes en la predicción de la natalidad son el PIB per cápita (correlación negativa de -0.86), la edad promedio de maternidad (r = -0.30), la tasa de empleo femenino (r = 0.24) y la urbanización (r = 0.20), lo que confirma la importancia de los factores económicos y sociales en la dinámica demográfica.

En términos de desempeño, con 50 épocas de entrenamiento el modelo base presentó un error elevado (MSE = 369.9 y R² = -4.14), pero al extenderlo a 150 épocas mejoró de manera significativa (MSE = 34.7, MAE = 5.1 y R² = 0.51), alcanzando un nivel de ajuste razonable en un dataset relativamente pequeño. La configuración más consistente fue la combinación ReLU + Adam + MAE.

De cara a futuras optimizaciones, explorar un ajuste más fino de los hiperparámetros podría ayudar a mejorar el coeficiente de determinación, idealmente acercándolo a valores superiores a 0.9, aunque siempre considerando estrategias de regularización, como incrementar la tasa de Dropout por capa, para evitar el sobreajuste.

Estos hallazgos son coherentes con las tendencias demográficas globales, en las que el desarrollo económico, la educación y el acceso a servicios de salud tienden a reducir la natalidad, mientras que factores como el empleo femenino y la urbanización contribuyen a transformaciones en los patrones reproductivos.

✍️ Autor: Liroy Cataldo