1. Página de Inicio y Navegación

Esta guía te ayudará a familiarizarte con la interfaz de la aplicación y a navegar eficientemente entre los diferentes módulos.

Objetivo del Módulo

La página de inicio es tu punto de partida en el sistema. Aquí podrás:

  • 🏠 Ver un resumen general del sistema

  • 📊 Acceder rápidamente a todos los módulos

  • 📈 Visualizar el estado actual de tus datos y modelos

  • 🎯 Entender el flujo de trabajo recomendado

  • 🚀 Comenzar tu análisis de riesgo crediticio

Acceso a la Aplicación

Iniciar la Aplicación

Paso 1: Activar el ambiente virtual

# En Linux/Mac
source venv_fisica/bin/activate

# En Windows
venv_fisica\Scripts\activate

Paso 2: Ejecutar Streamlit

streamlit run app.py

Paso 3: Abrir en el navegador

La aplicación se abrirá automáticamente en: http://localhost:8501

Nota

Si el navegador no se abre automáticamente, copia y pega la URL en tu navegador preferido.

Truco

Usa el script de activación rápida: ./activate_env.sh (Linux/Mac)

Interfaz Principal

Estructura de la Página

La interfaz está dividida en tres áreas principales:

  1. Sidebar (Barra lateral izquierda)

    • Menú de navegación principal

    • Acceso a todos los módulos

    • Configuraciones globales

  2. Área de contenido central

    • Dashboard principal

    • Visualizaciones y resultados

    • Formularios de entrada

  3. Barra superior

    • Título de la aplicación

    • Menú de configuración de Streamlit

    • Opciones de tema (claro/oscuro)

Dashboard Principal

Al abrir la aplicación, verás el dashboard principal con:

Sección de Bienvenida:

🏦 Sistema de Riesgo Crediticio con RBM
=======================================

Bienvenido al sistema integral de análisis y predicción
de riesgo crediticio hipotecario.

Tarjetas de Estado:

Muestra el estado actual de:

  • 📊 Datos cargados: Número de registros disponibles

  • ⚡ Modelos entrenados: RBM y clasificadores activos

  • 🎯 Última predicción: Timestamp de la última evaluación

  • 📈 Precisión del modelo: Métricas de rendimiento

Flujo de Trabajo Visual:

Un diagrama interactivo que muestra:

  1. Generar/Cargar Datos → 2. Validar → 3. Analizar → 4. Modelar → 5. Predecir

Importante

El dashboard se actualiza automáticamente cuando realizas cambios en cualquier módulo.

Elementos de la Interfaz

Componentes Comunes

Botones de Acción:

[🎯 Ejecutar Análisis]  [💾 Guardar Resultados]  [🔄 Reiniciar]

  • Primarios (azul): Acciones principales

  • Secundarios (gris): Acciones opcionales

  • Peligro (rojo): Acciones destructivas (eliminar, reiniciar)

Campos de Entrada:

  • Numéricos: Usa flechas o escribe directamente

  • Texto: Escribe libremente

  • Selectores: Despliega opciones con click

  • Sliders: Arrastra para ajustar valores

Expandibles:

▶ Configuración Avanzada

(Click para expandir y ver más opciones)

Pestañas:

[Resumen] [Gráficos] [Datos] [Configuración]

Click en cada pestaña para cambiar de vista.

Mensajes y Notificaciones

Tipos de Mensajes:

Nota

Información (azul): Consejos útiles y contexto adicional.

Advertencia

Advertencia (amarillo): Precauciones importantes.

Error

Error (rojo): Algo salió mal, revisa los detalles.

Spinners de Carga:

Cuando el sistema está procesando, verás:

⏳ Procesando datos...
⏳ Entrenando modelo...
⏳ Generando visualizaciones...

Truco

Los spinners indican que el sistema está trabajando. No recargues la página.

Estado del Sistema

Indicadores de Estado

Panel de Estado (esquina superior derecha):

  • 🟢 Verde: Sistema operativo, todo funcionando

  • 🟡 Amarillo: Advertencias menores, puede continuar

  • 🔴 Rojo: Error crítico, requiere atención

Información de Datos:

📊 Dataset Actual
─────────────────
Registros: 10,000
Variables: 47
Última actualización: 2024-01-15 10:30

Distribución de Riesgo:
• Bajo: 60.7% (6,074)
• Medio: 29.4% (2,943)
• Alto: 9.8% (983)

Información de Modelos:

🤖 Modelos Activos
──────────────────
RBM: ✅ Entrenado (100 épocas)
Random Forest: ✅ Entrenado (Acc: 94.2%)
XGBoost: ✅ Entrenado (Acc: 95.1%)

Última actualización: 2024-01-15 11:45

Configuración de la Aplicación

Tema de la Aplicación

Cambiar entre tema claro y oscuro:

  1. Click en ⋮ → Settings

  2. En Theme, selecciona: * Light: Tema claro (fondo blanco) * Dark: Tema oscuro (fondo negro) * Use system setting: Usar configuración del sistema

Truco

El tema oscuro es más cómodo para sesiones largas y reduce la fatiga visual.

Configuración de Ejecución

Always rerun:

  • ✅ Activado: La app se recarga automáticamente al cambiar código

  • ❌ Desactivado: Debes recargar manualmente

Run on save:

  • ✅ Activado: Cambios en archivos recargan la app

  • ❌ Desactivado: Cambios no afectan la app en ejecución

Nota

Estas opciones son útiles para desarrolladores. Como usuario, déjalas en sus valores por defecto.

Casos de Uso Comunes

Caso 1: Primera Vez en el Sistema

Objetivo: Familiarizarte con la interfaz y generar tu primer análisis.

Pasos:

  1. Explora el Dashboard

    • Lee la información de bienvenida

    • Revisa el flujo de trabajo visual

    • Identifica los módulos disponibles

  2. Genera Datos de Prueba

    • Ve a 📊 Generar Datos

    • Usa configuración por defecto (10,000 registros)

    • Click en «Generar Dataset»

  3. Visualiza los Datos

    • Ve a 📈 Análisis Descriptivo

    • Selecciona variables como salario_mensual y nivel_riesgo

    • Explora las visualizaciones

  4. Aprende sobre RBMs

    • Ve a 🎓 Aprende sobre RBMs

    • Haz preguntas básicas sobre el sistema

Truco

Dedica 15-20 minutos a explorar cada módulo sin presión. La familiaridad con la interfaz mejorará tu eficiencia.

Caso 2: Análisis Rápido de Datos Existentes

Objetivo: Cargar tus datos y obtener insights rápidos.

Pasos:

  1. Carga tus Datos

    • Ve a 📁 Cargar Datos

    • Arrastra tu archivo CSV/Excel

    • Valida la calidad de los datos

  2. Análisis Exploratorio

    • Ve a 📈 Análisis Descriptivo

    • Revisa estadísticas univariadas

    • Identifica outliers y patrones

  3. Genera Reporte

    • Descarga visualizaciones

    • Exporta estadísticas

    • Comparte con tu equipo

Caso 3: Flujo Completo de Modelado

Objetivo: Entrenar modelos y realizar predicciones.

Pasos:

  1. Preparación → 📊 Generar Datos o 📁 Cargar Datos

  2. Análisis → 📈 Análisis Descriptivo

  3. Ingeniería → 🔧 Ingeniería de Características

  4. RBM → ⚡ Máquina de Boltzmann

  5. Clasificadores → 🤖 Modelos Supervisados

  6. Predicción → 🔮 Predicción de Riesgo

Importante

Sigue este flujo secuencialmente para mejores resultados. Cada paso construye sobre el anterior.

Tips y Mejores Prácticas

Organización del Trabajo

Nombra tus Archivos Claramente:

✅ Bueno:
- creditos_enero_2024.csv
- modelo_rbm_v2_20240115.pkl
- predicciones_nuevos_clientes.csv

❌ Malo:
- datos.csv
- modelo.pkl
- output.csv

Mantén un Log de Experimentos:

Documenta:

  • Fecha y hora del análisis

  • Parámetros utilizados

  • Resultados obtenidos

  • Decisiones tomadas

Truco

Usa la función de descarga de reportes para mantener un historial automático.

Rendimiento

Para Datasets Grandes (>50K registros):

  • Usa muestreo para análisis exploratorio

  • Aumenta el batch_size en RBM

  • Considera usar menos épocas inicialmente

  • Monitorea el uso de memoria

Para Sesiones Largas:

  • Guarda modelos intermedios

  • Exporta resultados periódicamente

  • Reinicia la app si se vuelve lenta

  • Cierra pestañas no utilizadas

Troubleshooting

Problemas Comunes

Problema 1: La aplicación no carga

Error: ModuleNotFoundError: No module named 'streamlit'

Solución:

# Verifica que el ambiente virtual esté activado
which python  # Debe mostrar ruta a venv_fisica

# Reinstala dependencias si es necesario
pip install -r requirements.txt

—

Problema 2: Sidebar no aparece

Solución:

  • Click en > en la esquina superior izquierda

  • Presiona Ctrl + Shift + R para recargar

  • Verifica el ancho de tu ventana (debe ser >768px)

—

Problema 3: Página en blanco después de navegar

Solución:

  1. Espera 5-10 segundos (puede estar cargando)

  2. Revisa la consola del navegador (F12) por errores

  3. Recarga la página (F5)

  4. Reinicia la aplicación si persiste

—

Problema 4: Cambios no se reflejan

Solución:

  • Verifica que hayas guardado los cambios

  • Recarga la página (F5)

  • Limpia la caché del navegador

  • Reinicia la aplicación Streamlit

Errores de Datos

Error: «No hay datos cargados»

Causa: No has generado ni cargado datos.

Solución: Ve a 📊 Generar Datos o 📁 Cargar Datos primero.

—

Error: «Formato de archivo no soportado»

Causa: Archivo no es CSV, Excel o Parquet.

Solución: Convierte tu archivo a uno de los formatos soportados.

—

Error: «Columnas requeridas faltantes»

Causa: Tu dataset no tiene las columnas esperadas.

Solución: Revisa la documentación de variables requeridas en 2. Generar Datos Sintéticos.

Errores de Rendimiento

Síntoma: Aplicación muy lenta

Posibles causas y soluciones:

  1. Dataset muy grande

    • Reduce el tamaño del dataset

    • Usa muestreo estratificado

    • Aumenta la RAM disponible

  2. Muchos modelos entrenados

    • Elimina modelos antiguos

    • Usa solo los modelos necesarios

    • Reinicia la aplicación

  3. Navegador con muchas pestañas

    • Cierra pestañas no utilizadas

    • Usa modo incógnito

    • Prueba otro navegador

Advertencia

Si la aplicación se congela por más de 2 minutos, reiníciala con Ctrl + C en la terminal.

Obtener Ayuda

Recursos Disponibles

Dentro de la Aplicación:

  • 🎓 Sistema RAG: Haz preguntas sobre RBMs y el sistema

  • 📖 Tooltips: Pasa el cursor sobre ⓘ para ayuda contextual

  • 💡 Ejemplos: Cada módulo incluye casos de uso

Documentación:

  • 📚 Manual de Usuario: Este documento

  • 🔧 API Reference: Documentación técnica

  • 📝 README: Guía de instalación

Comunidad:

Reportar Problemas

Al reportar un problema, incluye:

  1. Descripción del problema: Qué intentabas hacer

  2. Pasos para reproducir: Cómo llegaste al error

  3. Mensaje de error: Copia el texto completo

  4. Contexto: Sistema operativo, versión de Python, etc.

  5. Screenshots: Capturas de pantalla si es relevante

Truco

Usa el botón «Report a bug» en el menú ⋮ para reportar automáticamente con contexto del sistema.

Próximos Pasos

Ahora que conoces la interfaz, estás listo para:

  1. Generar tu primer dataset: 2. Generar Datos Sintéticos

  2. Cargar datos externos: 3. Cargar Datos Externos

  3. Explorar análisis descriptivo: 4. Análisis Descriptivo

Nota

Te recomendamos seguir el orden de los módulos para una experiencia de aprendizaje óptima.

¡Disfruta explorando el sistema! 🚀