Marco teórico - daburneo1/proyecto_hia_burneo_burneo GitHub Wiki

📚 Marco teórico

Para el desarrollo del presente proyecto se utilizaron las siguientes librerías y tecnologías:

🐍 Python: Es un lenguaje de programación interpretado, de alto nivel y propósito general, diseñado para enfatizar la legibilidad del código y la productividad del desarrollador. Es uno de los lenguajes más populares en ciencia de datos e inteligencia artificial debido a su sintaxis clara, su gran ecosistema de librerías y su comunidad activa de desarrolladores. Gracias a su naturaleza multiparadigma y su compatibilidad con herramientas de visualización, conexión con bases de datos, y desarrollo web, Python permite construir soluciones de punta a punta, desde la extracción y análisis de datos hasta la implementación de modelos predictivos o sistemas de recomendación (Guido & Fred L., 2009).
🐘 PostgreSQL: Es un sistema de gestión de bases de datos relacional de código abierto, reconocido por su robustez, extensibilidad y adherencia a los estándares SQL. Es utilizado ampliamente en sistemas que requieren consistencia, seguridad y consultas complejas.
📊 Pandas: Es una biblioteca de Python especializada en estructuras y operaciones para la manipulación de datos tabulares y series temporales. Sus estructuras clave: Series para vectores unidimensionales y DataFrames para estructuras bidimensionales, permiten trabajar con datos de manera intuitiva y eficiente. Su versatilidad ha convertido a Pandas en una herramienta estándar para análisis exploratorio de datos en proyectos de ciencias de datos e IA (McKinney, 2010).
🧮 SQLAlchemy: Es una herramienta tipo ORM que permite la interacción entre aplicaciones Python y bases de datos relacionales. A través de su mapeo objeto-relación y su capacidad de ejecutar código SQL, posibilita consultas complejas sin perder legibilidad del código. Ampliamente utilizado en proyectos donde requiere integración con bases de datos como PostgreSQL, MySQL o SQLite.
📈 Matplotlib: Es una biblioteca de visualización 2D que permite crear gráficos estáticos de alta calidad. Soporta gráficos de líneas, barras, histogramas, entre otros. Su uso es común tanto en contextos académicos como industriales, debido a su flexibilidad y compatibilidad con Pandas y NumPy (Hunter, 2007). Puede resultar como una herramienta clave para la validación visual de patrones en conjuntos de datos.
📉 Bokeh: Es una biblioteca de visualización 2D que permite crear gráficos estáticos de alta calidad. Soporta gráficos de líneas, barras, histogramas, entre otros. Su uso es común tanto en contextos académicos como industriales, debido a su flexibilidad y compatibilidad con Pandas y NumPy (Hunter, 2007). Puede resultar como una herramienta clave para la validación visual de patrones en conjuntos de datos.
📌 Pygwalker: Es una herramienta de exploración visual de datos que permite generar dashboards automáticamente desde Dataframes. Inspirada en herramientas como Tableu, su principal ventaja es reducir el tiempo de análisis al permitir que los usuarios no técnicos interactúen con los datos.