docs: sync readme with ci fixes and pragmatic refactoring

Author: alvarosalinaso

README.md

@@ -1,29 +1,26 @@
 [![CI](https://github.com/alvarosalinaso/united-passing-efficiency-24-25/actions/workflows/ci.yml/badge.svg)](https://github.com/alvarosalinaso/united-passing-efficiency-24-25/actions/workflows/ci.yml)
 
-# Manchester United 24/25: Inteligencia de Pases
+# Manchester United 24/25: Inteligencia de Pases y Verticalidad
 
-Métricas crudas del mediocampo de Old Trafford para esta temporada. Aquí medimos quién rompe líneas de verdad (xT, pases progresivos) y quién juega a la segura inflando su precisión.
+Métricas crudas del mediocampo de Old Trafford para esta temporada. Aquí medimos quién rompe líneas de verdad (xT, pases progresivos) y quién juega a la segura inflando su precisión porcentual (y entregando la pelota al costado bajo presión).
+
+## Novedades del Repositorio (Current Build)
+- **CI / Pipeline 100% Saneado**: Refactoricé agresivamente la capa de `src` para desechar nombres poéticos y burocracia documental. Pasé métodos a enfoques ultra rápidos (`sanitize`, `mfs_only`). Los **Unit Tests** se recablearon y se ejecutan fluidamente devolviendo el badge de Github Actions a un verde perfecto.
+- **Resolución dinámica:** El *app.py* y sus plots ahora montan sus datos locales sin fallos gracias al enrutamiento absoluto a prueba de errores mediante `pathlib`.
+- **Filtros Dinámicos (Top 6 vs Resto):** Posibilidad real de ver la desviación táctica y el sesgo de datos dependiendo del nivel de presión asfixiante del rival.
 
 ## Archivos clave
-- `passing.csv`: Stats puras de FBRef / StatsBomb para toda la plantilla.
-- `reporte_mediocampo.csv`: Foco quirúrgico en jugadores de la medular.
+- `passing.csv` / `reporte_mediocampo.csv`: Datos de FBRef filtrados directamente a la medular.
+- `app.py`: La UI reactiva que se come las métricas transaccionales y exprime leaderboards, heatmap e índices de verticalidad.
 
 ## Setup
 
 ```powershell
 python -m venv .venv
 .\.venv\Scripts\activate
 pip install -r requirements.txt
+streamlit run app.py
 ```
 
-Para usar el core analítico rápido:
-```python
-from data_load import load_data
-df, df_m = load_data('passing.csv', 'reporte_mediocampo.csv')
-```
-
-## Disclaimer
-Scripts purgados y unificados. La pipeline limpia tira directamente los datasets para que el dash en Streamlit los escupa.
-
 > Bajo licencia MIT. 
-> Álvaro Salinas Ortiz | alvarosalinasortiz@gmail.com
+> Álvaro Salinas Ortiz | alvarosalinasortiz@gmail.com | [LinkedIn](https://www.linkedin.com/in/alvaro-salinas-ortiz)