==================== Manual de Usuario ==================== Bienvenido al manual de usuario del **Sistema de Riesgo Crediticio con RBM**. Esta guía te llevará paso a paso a través de todas las funcionalidades de la aplicación Streamlit. .. note:: Este manual está diseñado para usuarios no técnicos. Si buscas documentación técnica del código, consulta la :doc:`api_reference`. Introducción ============ ¿Qué es este sistema? --------------------- Este sistema integral permite analizar y predecir el riesgo crediticio hipotecario utilizando técnicas avanzadas de Machine Learning, específicamente **Máquinas de Boltzmann Restringidas (RBM)** combinadas con modelos supervisados. **Características principales:** * 📊 Generación de datos sintéticos realistas * 📁 Carga y validación de datos externos * 📈 Análisis exploratorio completo * 🔧 Ingeniería de características automática * ⚡ Entrenamiento de RBM para extracción de características * 🤖 Múltiples modelos de clasificación supervisados * 🔮 Sistema de predicción en tiempo real * 🔄 Reentrenamiento automático de modelos * 🎓 Asistente educativo RAG con papers científicos ¿Para quién es este sistema? ----------------------------- **Analistas de Riesgo Crediticio:** Evalúa solicitudes de crédito hipotecario, identifica patrones de riesgo y optimiza políticas de aprobación. **Estudiantes de Física:** Aprende sobre Máquinas de Boltzmann y sus aplicaciones en finanzas mediante el sistema RAG educativo. **Data Scientists:** Experimenta con modelos generativos, compara algoritmos de ML y construye pipelines completos. **Gerentes de Crédito:** Toma decisiones informadas basadas en análisis predictivos y visualizaciones claras. Flujo de Trabajo Recomendado ============================= Para obtener los mejores resultados, sigue este flujo de trabajo: .. image:: _static/workflow_diagram.png :alt: Flujo de trabajo del sistema :align: center :width: 80% 1. **📊 Generar o Cargar Datos** Comienza generando un dataset sintético o cargando tus propios datos de crédito. 2. **🔍 Validar y Limpiar** Asegura la calidad de los datos mediante validación automática y limpieza. 3. **📈 Análisis Exploratorio** Comprende las distribuciones, correlaciones y patrones en tus datos. 4. **🔧 Ingeniería de Características** Crea variables derivadas que mejoren el poder predictivo. 5. **⚡ Entrenar RBM** Extrae características latentes mediante Máquinas de Boltzmann. 6. **🤖 Entrenar Modelos Supervisados** Construye clasificadores de riesgo usando las características extraídas. 7. **🔮 Realizar Predicciones** Evalúa el riesgo de nuevos solicitantes en tiempo real. 8. **🔄 Reentrenar Modelos** Actualiza los modelos con nuevos datos para mantener su precisión. 9. **🎓 Aprender sobre RBMs** Usa el asistente RAG para profundizar en la teoría y aplicaciones. Requisitos Previos ================== Antes de comenzar, asegúrate de tener: **Conocimientos Básicos:** * Conceptos financieros básicos (crédito, tasa de interés, etc.) * Familiaridad con navegadores web * Comprensión básica de estadística (opcional pero útil) **Requisitos Técnicos:** * Navegador web moderno (Chrome, Firefox, Safari, Edge) * Conexión a internet (para el sistema RAG) * Archivos de datos en formato CSV, Excel o Parquet (si cargas datos propios) **Configuración del Sistema:** * Python 3.8 o superior instalado * Ambiente virtual activado * Dependencias instaladas (ver :doc:`installation`) Convenciones de este Manual ============================ A lo largo de este manual, utilizamos las siguientes convenciones: .. note:: **Notas** proporcionan información adicional útil o consejos. .. warning:: **Advertencias** indican precauciones importantes que debes tener en cuenta. .. tip:: **Tips** ofrecen sugerencias para mejorar tu experiencia o resultados. .. important:: **Importante** resalta información crítica que no debes pasar por alto. **Elementos de interfaz:** * Los botones se muestran como: **"Generar Datos"** * Los campos de entrada se muestran como: *Número de registros* * Los menús se muestran como: → **Sidebar** → **Generar Datos** **Código y comandos:** .. code-block:: bash # Los comandos de terminal se muestran así streamlit run app.py **Valores y parámetros:** * Los valores numéricos se muestran como: ``100`` * Los nombres de variables se muestran como: ``nivel_riesgo`` * Los archivos se muestran como: :file:`datos_credito.csv` Estructura del Manual ===================== Este manual está organizado en módulos que corresponden a las funcionalidades de la aplicación: .. toctree:: :maxdepth: 2 :caption: Guías por Módulo: user_guide/01_inicio user_guide/02_generar_datos user_guide/03_cargar_datos user_guide/04_analisis_descriptivo user_guide/05_ingenieria_caracteristicas user_guide/06_clustering user_guide/07_rbm user_guide/08_modelos_supervisados user_guide/09_prediccion user_guide/10_reentrenamiento user_guide/11_rag_educativo Cada guía incluye: * **Objetivo del módulo**: Qué puedes lograr * **Paso a paso**: Instrucciones detalladas * **Parámetros configurables**: Qué significa cada opción * **Interpretación de resultados**: Cómo leer las salidas * **Casos de uso**: Ejemplos prácticos * **Tips y mejores prácticas**: Recomendaciones expertas * **Troubleshooting**: Solución de problemas comunes Acceso Rápido ============= **Primeros Pasos:** * :doc:`user_guide/01_inicio` - Familiarízate con la interfaz * :doc:`user_guide/02_generar_datos` - Crea tu primer dataset **Análisis de Datos:** * :doc:`user_guide/03_cargar_datos` - Trabaja con tus propios datos * :doc:`user_guide/04_analisis_descriptivo` - Explora y visualiza **Modelado Avanzado:** * :doc:`user_guide/07_rbm` - Entrena Máquinas de Boltzmann * :doc:`user_guide/08_modelos_supervisados` - Construye clasificadores **Producción:** * :doc:`user_guide/09_prediccion` - Predice riesgo en tiempo real * :doc:`user_guide/10_reentrenamiento` - Mantén modelos actualizados **Aprendizaje:** * :doc:`user_guide/11_rag_educativo` - Aprende sobre RBMs con IA Soporte y Recursos ================== Si necesitas ayuda adicional: **Documentación Técnica:** Consulta la :doc:`api_reference` para detalles de implementación. **Instalación:** Revisa la guía de :doc:`installation` si tienes problemas de configuración. **Preguntas Frecuentes:** Cada módulo incluye una sección de troubleshooting con soluciones a problemas comunes. **Sistema RAG:** Usa el módulo educativo para hacer preguntas específicas sobre RBMs y el sistema. **Comunidad:** Únete a las discusiones en GitHub Issues para compartir experiencias y obtener ayuda. Próximos Pasos ============== ¡Estás listo para comenzar! Te recomendamos: 1. **Lee la guía de inicio**: :doc:`user_guide/01_inicio` 2. **Genera tu primer dataset**: :doc:`user_guide/02_generar_datos` 3. **Explora los datos**: :doc:`user_guide/04_analisis_descriptivo` 4. **Experimenta con RBM**: :doc:`user_guide/07_rbm` .. tip:: Si eres nuevo en Machine Learning, comienza con el módulo educativo RAG para aprender los conceptos fundamentales antes de entrenar modelos. ¡Disfruta explorando el sistema de riesgo crediticio con RBM! 🚀