Este repositorio contiene todos los entregables necesarios para la ejecución de la fase 2 del proyecto 1 de Inteligencia de Negocios, en el que se construyó una aplicación web con el fin de apoyar en el diagnóstico médico de enfermedades de 5 tipos (neoplasias, enfermedades del sistema digestivo, enfermedades del sitema nervioso, enfermedades cardiovasculares y patologías generales) en un hospital.
El proyecto tiene 4 carpetas:
- La carpeta
back
, contiene todo el código necesario para desplegar el back de la aplicación: allí se encuentra el despliegue del API usando el framework de FastAPI. En dicha carpeta, se encuentra el archivomain.py
, donde podrá visualizar el endpoint implementado. También puede encontrar el archivodataModel.py
, con un modelo de datos, de acuerdo a lo que se espera reciba el modelo de Machine Learning. El archivoclases.py
contiene las transformaciones personalizadas que se implementaron sobre el pipeline (i.e. limpieza de ruido, stemming, lematización, vectorización y creación del modelo de Keras), que son necesarias para que el modelo pueda ser cargado exitosamente. - La carpeta
app
, contiene la aplicación web (el front) desarrollado en Angular, con la cual los usuarios/roles definidos interactuarán. - La carpeta
notebooks
, contiene el notebook (y otras dependencias necesarias - como el archivoclases.py
) necesarias para crear el pipeline que contiene el modelo. - La carpeta
docs
, contiene el informe, la presentación y el link al video realizado para este proyecto. Es importante mencionar que el informe tiene también el avance en el bono de expertos.
Debido a que se utilizó una gran cantidad de librerías, e incluso modelos preentrenados para la vectorización de textos (que pesa aproximadamente 20 GB), la instalación del proyecto puede ser un poco demorada. Por tanto, se implementó un script de bash
para facilitar el proceso de instalación, este se denomina RUNME.sh
. Para ejecutarlo, únicamente corra el comando chmod +x RUNME.sh
, para dar los permisos de ejcución, seguido de ./RUNME.sh
. Corriendo esto, ya tendrá todas las librerías necesarias para ejecutar el proyecto.
Para ejecutar el back: En la carpeta back del proyecto, ejecute el comando uvicorn main:app --reload
para correr el servicio de forma local.
Para ejecutar el front: En la carpeta app del proyecto, ejecute el comando npm i
seguido de ng serve
. Asegúrese de tener node
y angular
instalados.