01
Contexto de negocio
La revisión de stock en camiones de autoventa necesitaba pasar de señal tardía a detección predictiva.
Caso de éxito
Anomalías de stock y MLOps
Entrené modelos predictivos y automaticé flujos MLOps en Google Cloud para mejorar la detección de anomalías en decenas de puntos.
Los casos muestran decisiones técnicas reales. Datos de clientes y métricas exactas están omitidos por confidencialidad.
02
Lo importante
Unir modelo, pipeline y despliegue para que la mejora llegara a la operación.
03
Qué decidí no hacer
No dejar el modelo en un notebook desconectado de ETL y CI/CD.