FeedIA: Feedback y Predicción Inteligente para tu Negocio

🚀 Demo

Credenciales de prueba:

• Usuario Común
  • Usuario: usuariocomun
  • Contraseña: 123456
• Usuario Negocio
  • Usuario: usuarionegocio
  • Contraseña: 123456

📝 Descripción

FeedIA es una plataforma web que transforma la interacción cliente-negocio en valor estratégico. Los clientes pueden compartir opiniones escaneando un código QR, recibiendo puntos canjeables como recompensa.

Características Principales

• 📱 Feedback rápido y anónimo vía QR
• 🤖 Análisis de sentimientos en tiempo real con IA
• 💰 Sistema de puntos canjeables
• 📊 Dashboard interactivo para negocios
• 🔮 Predicción de ventas y tendencias

🛠️ Tecnologías

• Django 5.1.4
• MySQL/PostgreSQL
• Transformers (BERT)
• Redis (para caché y Celery)
• Celery (procesamiento asíncrono)
• Docker (opcional)
• Whitenoise (archivos estáticos)

🚀 Instalación y Configuración

Requisitos Previos

• Python 3.10+
• MySQL
• Redis (opcional, para producción)
• Git

1. Clonar el Repositorio

git clone https://github.com/tu-usuario/feedia.git
cd feedia

2. Configurar Entorno Virtual

# Crear entorno virtual
python -m venv venv

# Activar entorno virtual
# En Windows:
venv\Scripts\activate
# En Linux/Mac:
source venv/bin/activate

3. Instalar Dependencias

pip install -r requirements.txt

4. Configurar Variables de Entorno

Crear archivo .env en la raíz del proyecto:

# Configuración local
ENVIRONMENT=local
DEBUG=True
SECRET_KEY=your-secret-key-here

# Base de datos MySQL
DB_NAME=feedia
DB_USER=root
DB_PASSWORD=root
DB_HOST=localhost
DB_PORT=3306

# Redis y Celery (opcional, para producción)
REDIS_URL=redis://redis:6379/0
CELERY_BROKER_URL=redis://redis:6379/0

5. Configurar Base de Datos

# Crear base de datos MySQL
mysql -u root -p
CREATE DATABASE feedia CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

# Ejecutar migraciones
python manage.py migrate

6. Crear Superusuario

python manage.py createsuperuser

7. Recolectar Archivos Estáticos

python manage.py collectstatic

8. Ejecutar el Servidor

python manage.py runserver

🐳 Configuración con Docker (Opcional)

1. Construir y Ejecutar Contenedores

docker-compose up -d

2. Ejecutar Migraciones en Docker

docker-compose exec web python manage.py migrate

3. Crear Superusuario en Docker

docker-compose exec web python manage.py createsuperuser

🧠 Modelo de IA

FeedIA utiliza el modelo BERT para análisis de sentimientos en español. La primera vez que se ejecute, descargará automáticamente el modelo (aproximadamente 500MB).

📝 Notas Importantes

• En desarrollo local, se usa el caché en memoria
• En producción, se recomienda usar Redis para caché
• Los archivos estáticos se sirven con Whitenoise
• Las tareas asíncronas requieren Celery+Redis en producción

🔧 Solución de Problemas Comunes

1. Error de MySQL: Asegúrate de tener instalado mysql-connector-python
2. Error de memoria con BERT: Necesitas al menos 2GB de RAM libre
3. Errores de archivos estáticos: Ejecuta collectstatic

📚 Documentación Adicional

• Django
• Transformers
• Redis
• Celery

✨ Autor

Mauricio Arce - LinkedIn