David Alejandro Rivera Correa

About

Soy economista y Mg. en Ciencia de Datos, una buena parte de mi historia transcurre en el sector eléctrico en donde he podido crecer en habilidades de automatización, gestión de datos y liderazgo de iniciativas. Sin embargo, más allá de la dinámica laboral siempre me acompaña la pasión por la investigación y los temas sociales, uno de ellos la seguridad alimentaria y nutricional el cual fue un tema que me acompañó toda mi vida universitaria y que también marcó mi vida posgradual. A veces los temas alimentarios son subestimados, pero la verdad es que configuran trampas de pobreza, presión fiscal, y limitaciones que pueden marcar por toda la vida a las personas. Pienso que estamos en un tiempo privilegiado en donde problemas antes invisibles ahora pueden ganar observabilidad a través de la creatividad por medio del uso de datos públicos y haciendo uso de Python.

Talk

Feeding the Invisible: Seguridad alimentaria en ciudades intermedias con Python

En muchos países, la inseguridad alimentaria no solo es un problema social, sino también un problema de datos. En Colombia, sistemas clave de monitoreo han perdido continuidad, dejando vacíos críticos de información para la toma de decisiones públicas. Esta charla presenta el desarrollo de un prototipo en Python para la construcción de un sistema de monitoreo y predicción del riesgo de inseguridad alimentaria en ciudades intermedias, utilizando únicamente datos abiertos. A partir de un pipeline reproducible, se integran múltiples componentes de ciencia de datos: ingesta y procesamiento de datos de precios de alimentos (SIPSA), modelos de series de tiempo para pronóstico de precios (incluyendo enfoques clásicos y machine learning como XGBoost), segmentación de hogares mediante clustering a partir de encuestas socioeconómicas, construcción de un índice compuesto que relaciona ingresos, precios y vulnerabilidad, y desarrollo de un prototipo de sistema de soporte a la decisión (DSS). Los asistentes se llevarán un enfoque replicable para construir indicadores complejos, estrategias para trabajar con datos abiertos imperfectos, ideas para integrar modelos, datos socioeconómicos y visualización en un solo sistema, y un ejemplo real de aplicación de Python en política pública y desarrollo territorial.

Country

Colombia

Language

Spanish / Español

Level

All / Para todos los niveles