PredictCar

Proyecto de predicción de precios de coches utilizando Machine Learning y un backend en Flask. Este proyecto forma parte de mi Trabajo de Fin de Máster (TFM) en IA y Big Data.

---

Estructura del proyecto

├── data/ # Datos originales
│ └── vehicles.csv # Dataset principal
│
├── ml_model/ # Notebooks y pruebas del modelo
│ ├── AtributosImportantes.ipynb
│ ├── ComprobarOpciones.ipynb
│ ├── pruebaModeloHF.ipynb
│ └── RandomForest.ipynb
│
├── templates/ # Plantillas HTML para Flask
│ └── index.html
│
├── venv/ # Entorno virtual (ignorado por Git)
│
├── modeloPrediCocheV1.pkl # Modelo ya entrenado (ignorado por Git)
├── server.py # API Flask para predicción
├── .gitignore # Ignora archivos/carpetas innecesarios
└── README.md # Este documento

---

Tecnologías usadas

• Python 3
• Flask
• Scikit-learn
• Pandas
• Matplotlib / Seaborn
• HTML + TailwindCSS
• JavaScript (Axios para frontend)

---

Cómo ejecutar el proyecto

Sigue estos pasos para poner en marcha PredictCar en tu entorno local:

1. Clona este repositorio Abre tu terminal y ejecuta:

   git clone https://github.com/AlvaroMF02/PredictCar.git
   cd predictcar

2. Crea y activa un entorno virtual (opcional pero recomendado) En Windows:

   python -m venv venv
   .\venv\Scripts\activate

3. Instala las dependencias necesarias Ejecuta lo siguiente para instalar todos los paquetes requeridos:

   pip install flask flask-cors pandas joblib transformers torch scikit_learn deep_translator

4. Ejecuta el servidor Flask Lanza la aplicación ejecutando:

   python server.py

5. Abre la aplicación en tu navegador Una vez que el servidor esté en marcha, abre el siguiente enlace:

   http://127.0.0.1:5000

---