/ML-Prediccion-lluvia-Brazil

MLOps, usando Docker,Airflow,tensorflow,streamlit

Primary LanguageJupyter Notebook

Predicción de Clima en Río Grande del Sur

[LinkedIn]

Python Streamlit TensorFlow scikit-learn

Esta aplicación de Streamlit proporciona predicciones meteorológicas detalladas para el estado de Río Grande del Sur utilizando datos obtenidos de la API de OpenWeather y un modelo de RandomForest entrenado para predecir condiciones climáticas.

Funcionalidades

  1. Predicción del Clima por Fecha

    • Los usuarios pueden seleccionar una fecha para ver la predicción del clima.
    • La aplicación muestra una imagen representativa y un mensaje descriptivo según las condiciones meteorológicas previstas.
    • Las condiciones meteorológicas se obtienen de la API de OpenWeather y se presentan en un formato visual atractivo.
  2. Modelo de Predicción con RandomForest

    • La aplicación utiliza un modelo de RandomForest entrenado con datos históricos para predecir las condiciones climáticas.
    • Las predicciones incluyen probabilidad de lluvia, cantidad de lluvia, temperatura, humedad, y velocidad del viento.
  3. Datos Horarios Detallados

    • La aplicación muestra datos horarios para la fecha seleccionada, incluyendo temperatura, humedad, velocidad y dirección del viento, y precipitación.
    • Los datos se presentan en una tabla sin el índice para una visualización limpia y organizada.

Cómo Funciona

  1. Obtención de Datos

    • La aplicación obtiene datos climáticos de la API de OpenWeather usando una clave API almacenada en los secretos de Streamlit.
    • Los datos incluyen temperatura, humedad, velocidad y dirección del viento, precipitación y condiciones meteorológicas descriptivas.
  2. Modelo de RandomForest

    • Se entrena un modelo de RandomForest con datos históricos de clima.
    • El modelo se utiliza para hacer predicciones sobre las condiciones climáticas futuras basadas en datos actuales.
  3. Procesamiento de Datos

    • Los datos se procesan y formatean en un DataFrame de pandas.
    • Se convierten las direcciones del viento de grados a puntos cardinales.
  4. Visualización

    • La aplicación usa Streamlit para mostrar los resultados.
    • Las imágenes del clima y los datos horarios se centran utilizando columnas de Streamlit para una mejor presentación visual.

    Visita la WebApp

    WebApp

    Contactame
    LinkedIn