⊹₊⋆🐧ྀི⊹₊⋆ Proyecto grupal sobre EDA ⊹₊⋆🐧ྀི⊹₊⋆

Integrantes del equipo:

🐧Chiara Contreras
🐧Jenireé Tovar
🐧Michelle Olivares
🐧Lucía Llaneza
🐧Sara Bailón

Cliente:

Organización de Investigación Biológica Polar

1) 🔮 ¿Qué solicita el cliente?

Convertir el dataset Palmer Penguins en un informe exploratorio claro y util para toma de decisiones cientificas.

2) 📊 ¿Por qué es útil nuestro análisis?

Queremos responder tres necesidades reales:

1. Entender diferencias observables entre especies y su distribución por isla.
2. Detectar riesgos de calidad del dato y posibles sesgos de muestreo.
3. Obtener recomendaciones concretas para mejorar futuras campañas de recogida de datos.

3) ✅ ¿Cómo lo vamos a resolver?

Nos vamos a centrar en las siguientes cuestiones:

1. Qué especies predominan y como se distribuyen.
2. Qué diferencias morfologicas relevantes aparecen entre especies.
3. Qué variables son mas útiles para entender perfiles biológicos.
4. Qué limitaciones tiene el dataset para interpretar resultados.
5. Qué recomendaciones concretas puede aplicar el cliente.

4) 📁 Estructura del proyecto:

│ ├── app_penguins.py # App principal de Streamlit ├── src/ │ ├── penguins_pipeline.py # Funciones de carga, filtros, KPIs, gráficos ├── notebooks/ │ ├── 01_data │ ├── penguins_raw.csv
│ ├── 02_limpieza │ ├── penguins_limpieza.ipynb
│ ├── penguins_limpio.csv │ ├── 03_analisis │ ├── 01_Univariado.ipynb │ ├── 02_Bivariado.ipynb │ ├── 03_Visualizacion.ipynb │ ├── 04_hallazgos_y_conclusiones │ ├── 01_limitaciones.ipynb │ ├── 02_conclusiones.ipynb ├── README.md ├── Imagenes ├── assets ├── requirements.txt └── roles_y_tareas.md

6) “Flujo de notebooks”

🔹 Notebook 01 — penguins_limpieza.ipynb
• Diagnósico inicial • Limpieza básica 🔹 Notebook 02 — Univariado.ipynb • Análisis morfológico general • Distribución por isla, sexo y especie 🔹 Notebook 03 — Bivariado.ipynb • Relación de masa corporal por especie • Relación de especie por islas • Diferencias morfológicas (longitud del pico, profundidad del pico, longitud de aleta y masa corporal) 🔹 Notebook 03 — Visualizacion.ipynb • Estudio visual de las estadísticas analizadas • Combinaciones posibles de visualización 🔹 Notebook 03 — limitaciones.ipynb • Limitaciones del dataset 🔹 Notebook 03 — conclusiones.ipynb • Hallazgos encontrados tras el análisis • Recomendaciones al cliente

6) 🔗 Enlaces de interes:

💻 Iceberg Intelligence App

🔨 Progreso del proyecto