Mis proyectos en Django
Desarrollo Fullstack de una aplicación web implementada con Django para realizar test de Inteligencia Emocional a usuarios a través de IA (Proyecto final de Máster en IA)
Se desarrolló una aplicación web en Python y Django para medir la Inteligencia Emocional y poder evaluar las Soft Skills en postulantes a trabajos, estudiantes y personas en general, por lo que resulta muy útil para Recruiters y Recursos Humanos. La aplicación fue potenciada con Inteligencia Artificial, si quieres conocer más acerca del diseño IA da clic aquí. Este proyecto se realizó para la empresa Global Leadership. La aplicación muestra 4 preguntas al encuestado que debe responder en formato abierto. Cada pregunta evalúa un diferente eje o dicotomía: Introversión vs Extroversión, Sensación vs Intuición, Pensamiento vs Sentimiento y Juicio vs Percepción. Las respuestas del usuario se guardan en una base de datos, así como los resultados del test. Una vez el usuario responde las preguntas se calcula el resultado con IA y se descarga un reporte en formato pdf. Adicionalmente, el usuario puede responder las preguntas utilizando su voz. La voz se guarda como archivo .webm en la misma base de datos y realiza un proceso de conversión a texto. El usuario puede escoger si la página se muestra en Español o Inglés.
Se utilizaron diferentes paquetes y frameworks de Python:
-
Django: la aplicación se colocó en un entorno web, por lo que fue necesario Django para gestionar el backend. Si quieres conocer más acerca de esto da clic aquí.
-
Tensorflow y Keras: útil para la creación y entrenamiento de Redes Neuronales utilziadas en el proyecto.
-
Scikit Learn y Pycaret: útil para la creación y entrenamiento de modelos Machine Learning como LGBM, regresión logística, SVM, Random Forest, etc.
-
Pandas: permitió la carga y procesamiento de datasets utilizados en el proyecto.
-
API de Google Translator: los más de 200.000 post de redes sociales están en inglés, por lo que, para mantener la misma naturalidad en los datos, los nuevos datos se traducen de español a inglés consiguiendo un muy buen rendimiento.
-
API de OpenAI para Embeddings: para maximizar la precisión se trabajo con el mejor modelo de Embeddings disponible que es el text-embedding-ada. Este proceso permite transformar los textos ingresados por el usuario en vectores numéricos que capturan el significado y contexto de la información, lo que puede ser interpretado por un modelo Machine Learning o Red Neuronal.
-
API de OpenAI para Voz a Texto: el usuario también puede grabar su respuesta con el micrófono en lugar de utilizar texto, entonces se utiliza el modelo Whisper de Open AI, para pasar el voz a texto e ingresar al algoritmo.
-
PDFKIT: Se utiliza para generar un pdf con el informe de las respuestas del usuario y el resultado obtenido con el modelo.
-
En el siguiente PDF, se encuentra el diagrama de flujo de la aplicación con los modelos IA desplegados:
Proyectos pequeños
Se desarrolló una aplicación web con Django para recuperar los datos de la REST API de Pokémon y mostrarlos en una página de inicio que incluye un sistema de paginación y búsqueda. Adicionalmente, se implementó una página dinámica para que cuando se de clic en un Pokémon en la página principal, se redirija a esta página que contiene diferente información acerca del Pókemon. Este proyecto fue realizado en 3 días. También se añadió scripts .bat para que se pueda realizar el despliegue en cualquier computadora Windows. La información completa puede encontrarla en el Readme.md del siguiente link de Github: