🧠 Proyecto de Predicción de Estrés y Dashboard Analítico

Este repositorio contiene dos interfaces de usuario (UI) desarrolladas en Angular, cada una enfocada en un propósito distinto dentro del proyecto general de análisis y visualización de datos médicos y de negocio.

---

🚀 Estructura del Repositorio

🩺 Rama main

Interfaz principal relacionada con la predicción del nivel de estrés a partir de variables médicas.

• Desarrollada en Angular
• Conectada a un API backend (modelo predictivo y servicios REST)
• Permite la entrada de datos médicos y muestra los resultados de predicción
• Usa componentes modulares y un flujo de navegación enfocado en la evaluación individual

Características principales:

• Integración con API para obtener resultados en tiempo real
• Formularios dinámicos de ingreso de datos médicos
• Resultados interpretables con indicadores visuales

---

📊 Rama machine-learning

Interfaz alternativa enfocada en un dashboard analítico con base en datos simulados.

• UI desarrollada también en Angular
• No consume API, trabaja con un JSON local de ejemplo (assets/data/productos.json)
• Incluye gráficas, filtros, KPIs y alertas automáticas

Componentes incluidos:

• Gráfico de burbujas: Precio vs Volumen, colores por cluster
• Gráfico de barras: Ventas por categoría
• Gráfico de línea: Evolución de ventas en el tiempo
• Tabla de alertas: Genera advertencias automáticas como:
  • “Cluster 0: Stock muy alto - Reducir inventario”
  • “Cluster 2: Margen bajo - Revisar precios”

---

⚙️ Instalación y Ejecución

1. Clonar el repositorio:

   git clone <URL_DEL_REPOSITORIO>
   cd <nombre-del-repositorio>

2. Instalar dependencias:

   npm install

3. Ejecutar el servidor de desarrollo:

   ng serve

4. Abrir en el navegador:

   http://localhost:4200/
   

---

🔄 Cambiar entre ramas

Rama principal (predicción de estrés)

git checkout main

Rama de dashboard (análisis con JSON)

git checkout machine-learning

---

📁 Estructura general

public/
  ├── assets/
  │   └── data/
  │       └── productos.json  ← Datos de ejemplo (solo en machine-learning)
src/
 ├── app/
 │   ├── domain/
 │   ├── ui/
 └── environments/

---

🧩 Tecnologías utilizadas

• Angular 19
• FastAPI
• ng2-charts / Chart.js
• TypeScript
• RxJS
• Bootstrap / Tailwind (opcional según rama)
• JSON local para simulación de datos

---

🧑‍💻 Autor

Andrés Rey
Proyecto académico - 8° semestre
Universidad Sergio Arboleda

---

📛 Licencia

Este proyecto es de uso académico y puede ser reutilizado con fines educativos o de investigación.

---