Los modelos de Machine Learning se utilizan para resolver o mejorar multitud de análisis predictivos en muy diversos ámbitos. Podemos encontrar un gran abanico de problemas y modelos utilizados, pero de los pocos elementos que casi todos comparten es que el tiempo está involucrado. Desde el momento en el que se produce una venta o un abandono de un cliente, la antiguedad de una oportunidad abierta en un CRM o al predecir la evolución de un precio, el tiempo está presente.

Usado a nuestro favor, nos permite generar features de gran poder predictivo y evaluar nuestros modelos de manera realista. Mal utilizado, sin embargo, puede provocar data leakages que ofuscarán nuestra capacidad para entender si el modelo está funcionando y es utilizable en producción. Ya se sabe, un gran poder conlleva una gran responsabilidad.

En esta sesión repasaremos escenarios de Machine Learning donde el tiempo tiene un papel fundamental y describiremos, con ejemplos extraídos de proyectos reales y en producción, técnicas y puntos importantes a tener en cuenta a la hora de trabajar con el tiempo en ML.