Ismael Bovingdon Castillejo

Renfe informa del retraso cuando ya se está produciendo y no publica histórico. Construí la captura 24/7 que crea ese histórico y la aplicación web pública que lo convierte en una predicción de llegada. Trabajo de fin de máster (UCM), Primer Premio de la Competición de Becas, en equipo de cinco: mi parte fue la infraestructura, la captura, la aplicación y la coordinación.

• 12 millones de registros en 92 días, capturados cada minuto, con un 99,7 % de disponibilidad
• Cruce entre tiempo real y horario oficial del 0 % al 99,9 %, recuperando versiones que el operador no conserva
• Capa bruta inmutable, capa analítica en Parquet y copia diaria en la nube
• Vigilancia de contenido: aviso en 10 minutos si una fuente deja de tener sentido
• Modelo LightGBM: error de 283,2 a 147,7 s frente a la referencia histórica (−48 %)
• Con trenes reales: 6,18 min de error frente a 9,08 del horario oficial

Pipeline ML completo sobre 59.000 bombas de agua en Tanzania: de un stacking ensemble con puntuación de 0,8230 a dos interfaces de uso real: un predictor individual con Gradio y asistente conversacional con la API de Claude.

• Accuracy global engaña: la clase crítica es el 7,3%
• Detección x2 de bombas reparables frente a modelos base
• Predictor individual en vivo con probabilidad por clase
• Asistente IA conversacional sobre los resultados del análisis