Asume el rol de Científico de Datos Junior y enfrenta una alerta roja real: el aumento en la tasa de cancelación (Churn Rate) en una plataforma líder de streaming. En este proyecto práctico, prepararás un dataset impecable, ya que el éxito de los modelos predictivos dependerá directamente de la calidad de tu análisis exploratorio.

Lo que dominarás en este proyecto:

• Limpieza y Transformación: Utiliza Pandas para la carga, inspección, manejo de valores nulos y conversión de tipos de datos temporales (Datetimes).
  
  
• Integración de Datos Complejos: Realiza consolidaciones estratégicas uniendo los datasets de historial de clientes y de reproducciones musicales, logrando así una visión 360° del comportamiento del usuario.
  
  
• Feature Engineering: Diseña, agrupa y calcula nuevas variables predictoras que te permitirán identificar patrones y riesgos de deserción en los clientes.
  
  
• Análisis Visual de Diagnóstico: Emplea la librería Seaborn para detectar valores atípicos (outliers) en el consumo, evaluar distribuciones y descubrir correlaciones clave en el negocio.