Cada equipo deberá entregar un notebook bien documentado con las siguientes fases:

**1. Análisis Exploratorio de Datos (EDA) - : 0.5 puntos**
Se realiza la carga y limpieza de los datos, visualiza tendencias y patrones de las series temporales, y analiza las correlaciones entre variables para interpretar posibles relaciones relevantes en el pronóstico.

**2. Modelo con Redes Neuronales Tradicionales (MLP): 0.5 puntos**
Se implementa un Perceptrón Multicapa (MLP) para el pronóstico de series de tiempo, realizando cambios en al menos tres hiperparámetros de la arquitectura respecto al código base entregado, con el fin de optimizar su desempeño y asegurando la correcta separación de los conjuntos de datos para evitar fuga de información.

**3. Modelo con RNNs: 1 punto**
Se implementa una Red Neuronal Recurrente (RNN) para el pronóstico de series de tiempo, realizando cambios en al menos tres hiperparámetros de la arquitectura respecto al código base entregado, con el fin de optimizar su desempeño.

**4. Modelo con LSTMs y GRUs: 1.5 puntos**
Se implementa arquitecturas avanzadas de redes recurrentes (LSTM y GRU) para el pronóstico de series de tiempo, realizando cambios en al menos 4 hiperparámetros de la arquitectura respecto al código base entregado, con el fin de optimizar su desempeño

**5. Modelo con TCN para Forecasting: 1 punto**
Se implementa una Red Convolucional Temporal (TCN) para el pronóstico de series de tiempo, realizando cambios en al menos tres hiperparámetros de la arquitectura respecto al código base entregado, con el fin de optimizar su desempeño.

**6.  Elección del Mejor Modelo: 0.5 puntos**
Se selecciona y justifica el modelo final de pronóstico con base en las métricas obtenidas, las visualizaciones de los resultados de predicción y la discusión crítica de los hallazgos.

**Reglas de la Competencia**
Los equipos deben seguir las fases establecidas en la entrega del notebook.
Se evaluará el desempeño en un Leaderboard, basado en MSE (Mean Squared Error).
Los tres primeros lugares del Leaderboard final recibirán un bonus en la calificación:
🏆 1° lugar: +1.0 punto
🥈 2° lugar: +0.6 puntos
🥉 3° lugar: +0.3 puntos

**Notas:**

 - Expliquen sus ideas, el por qué realizan las acciones, y comenten los resultados obtenidos; se espera mucho más que unos bloques de código.

- Si bien es valido usar el código de clases y monitorias, debe notarse un esfuerzo en la construcción del código propio.

- La toma de decisiones sobre los datos se debe hacer considerando el contexto del problema y de los datos, no se puede ver todo solamente desde los ojos de los datos, sino también considerar el negocio.

- Debemos poder comunicar los puntos importantes de su trabajo en un lenguaje universal para todos los públicos.

- Todo lo anterior, se considerará en la nota.

**Bonus** -> Comenten con claridad la organización de los datos para cada modelo teniendo en cuenta sus particularidades, esto es importante para cada punto donde se implementa cada arquitectura.

A continuación, en el siguiente enlace encontrarán la rubrica de evaluación detallada. https://icesiedu-my.sharepoint.com/:x:/g/personal/1094919565_u_icesi_edu_co/EXNhjKciOgFAgCJPpN-Hro8BzeeNbrDpuJD7hhv1skBo1w?e=3Nz26v