Un proyecto de Python para modelos de tránsito con Inteligencia Artificial.
El proyecto está organizado en tres etapas principales, todas implementadas en Python:
- Limpieza de datos: se normalizan nombres de columnas, se eliminan duplicados y se imputan valores faltantes.
- Visualización: se generan gráficas descriptivas (histogramas, matrices de correlación y series de tiempo) para explorar los datos procesados.
- Entrenamiento con aprendizaje por refuerzo: se entrena un agente Q-learning sencillo que ajusta un semáforo virtual utilizando las métricas del conjunto de datos.
- Crear un entorno virtual:
python -m venv venv- Activar el entorno virtual:
- Windows:
venv\Scripts\activate- Linux/Mac:
source venv/bin/activate- Instalar dependencias:
pip install -r requirements.txtpython main.py --input-file tips.csv --metric-column total_bill --plot-prefix demoParámetros opcionales:
--input-file: archivo CSV presente en la carpetadata/(por defectotips.csv).--metric-column: columna numérica que se utilizará como métrica para el entrenamiento de refuerzo.--plot-prefix: prefijo que se añadirá a los archivos PNG generados por la etapa de visualización.
ModeloTransitoIA/
│
├── src/ # Código fuente
│ ├── __init__.py
│ ├── models/ # Modelos de IA (incluye refuerzo)
│ ├── data/ # Procesamiento y limpieza de datos
│ ├── pipeline/ # Orquestación de las tres etapas
│ ├── utils/ # Utilidades (configuración, logging)
│ └── visualization/ # Generación de gráficas
│
├── tests/ # Tests unitarios
├── data/ # Datos de entrada
├── notebooks/ # Jupyter notebooks
├── requirements.txt # Dependencias
└── main.py # Punto de entrada
Este proyecto utiliza Git para control de versiones.
# Ver estado de cambios
git status
# Agregar archivos al staging
git add .
# Hacer commit
git commit -m "Descripción del cambio"
# Ver historial
git log --onelineMIT License