Explorando Tendencias Musicales con Ciencia de Datos: Billboard Hot 100 (2000–2023)

Este repositorio contiene un proyecto de Ciencia de Datos enfocado en analizar y visualizar tendencias musicales del Billboard Hot 100 desde el año 2000 hasta 2023. Utilizando herramientas como Python, Pandas, Seaborn y Plotly, se extraen insights clave sobre la evolución de la música en las últimas décadas.

---

📁 Contenido del Repositorio

• Billboard_Hot100_Analysis.ipynb
  Notebook principal que contiene todo el flujo de trabajo:

  • Carga y preprocesamiento del dataset.
  • Análisis exploratorio y visualizaciones.
  • Interpretaciones detalladas de los resultados.

• billboard_2000_2023.csv
  Archivo de datos descargado desde Kaggle (debe colocarse en la raíz del proyecto).

• README.md
  Este archivo, que describe el propósito, estructura y uso del proyecto.

---

📊 Dataset Utilizado

• Nombre: Billboard Hot-100 [2000–2023] data with features
• Fuente: Kaggle
• Descripción: Contiene información de las canciones en el Billboard Hot 100 con métricas como duración, energía, tempo, key, popularidad, entre otros.

---

🎯 Objetivos

1. Preprocesar y limpiar el dataset.
2. Normalizar variables clave para análisis comparativo.
3. Generar al menos 5 visualizaciones complejas.
4. Analizar e interpretar las tendencias musicales más relevantes.

---

🧹 Requisitos de Preprocesamiento

• Detección y eliminación de valores nulos.
• Remoción de duplicados y variables redundantes.
• Normalización de variables numéricas.

---

📈 Visualizaciones

• Herramientas utilizadas:
  
• Cantidad: Mínimo 5 visualizaciones detalladas.
• Interpretaciones: Cada gráfico incluye un análisis explicativo.

---

⚙️ Requisitos

Se recomienda el uso de un entorno virtual (con venv o conda) y la instalación de las siguientes dependencias:

pip install pandas numpy matplotlib seaborn plotly

---

🚀 Cómo Ejecutar el Proyecto

1. Clona el repositorio:

   gh repo clone Joanna20Carrion/Explorando-Tendencias-Musicales-con-Ciencia-de-Datos-Billboard-Hot-100-2000-2023-

2. Descarga el dataset desde Kaggle y colócalo en la raíz del proyecto.
3. Abre el notebook en Google Colab o Jupyter:

   jupyter notebook Billboard_Hot100_Analysis.ipynb

4. Ejecuta las celdas secuencialmente.

---

✅ Resultados Esperados

• Visualizaciones que revelan patrones y evolución en géneros, popularidad y características musicales.
• Insights relevantes sobre cómo ha cambiado la música en las últimas dos décadas.

---

🙋‍♀️ Autor

Joanna Alexandra Carrión Pérez
🎓 Bachiller en Ingeniería Electrónica
💡 Apasionada por la Ciencia de Datos y la Inteligencia Artificial
🔗 LinkedIn

---

✉️ Contacto

¿Preguntas o sugerencias? Escríbeme a [email protected]

---

🤝 Contribuciones

¡Contribuciones son bienvenidas!

1. Haz un fork del repositorio.
2. Crea una nueva rama para tu mejora.
3. Envía un pull request explicando tus cambios.