FlightOnTime es un MVP (Producto Mínimo Viable) diseñado para predecir la probabilidad de retraso en vuelos comerciales. Este proyecto nace de la colaboración de talentos en Backend y Data Science para ofrecer una solución tecnológica que integra modelos de Machine Learning con una arquitectura de software robusta y escalable.
Desarrollado en el marco del programa Oracle Next Education (ONE), en alianza con Alura Latam y con el apoyo de No Country.
El sistema analiza factores históricos como aerolíneas, rutas, distancias y horarios para determinar si un vuelo llegará a tiempo o sufrirá un retraso. El proyecto se divide en dos grandes pilares:
- Data Science: Análisis exploratorio de datos (EDA), limpieza de datasets históricos y entrenamiento de modelos de clasificación binaria.
- Backend: Una API robusta en Java 21 que gestiona la lógica de negocio, valida los datos de entrada y ofrece persistencia en base de datos para cada predicción.
| Área | Tecnologías |
|---|---|
| Backend | Java 21, Spring Boot 4.0.0, MySQL, Flyway, Hibernate |
| Data Science | Python, Scikit-learn, Pandas, ONNX / FastAPI |
| Infraestructura | Git/GitHub, Maven |
Para conocer más a detalle cada parte del proyecto, visita los submódulos correspondientes:
Documentación de la API, endpoints, lógica de persistencia y guías de ejecución en Java.
Detalles sobre el modelo de Machine Learning, dataset utilizado y métricas de evaluación.
Detalles sobre el Frontend. Tecnologías utilizadas: HTML, CSS, JavaScript y APEX Charts.
Este proyecto es el resultado de un reto intensivo que busca aplicar conocimientos reales en un entorno de trabajo colaborativo. Agradecemos a las instituciones que hicieron posible esta experiencia:
- Oracle Next Education (ONE)
- Alura Latam
- No Country
📌 Estado del Proyecto: MVP Finalizado / Entrega Académica 🚀
