Home

KnowX

KnowX es una herramienta que facilita y optimiza el proceso de investigación de mercado mediante el uso de AI.

Entrega final reto:

• Planeación del proyecto

https://docs.google.com/document/d/1pFCPnKQa3zHLuPBQiBEBksV6KqDV34kJcQGmzf_MQIg/edit?usp=sharing

• Requerimientos/Historias de usuario/Mockup

https://docs.google.com/document/d/15xC_UTKqLLfof1KQiQ4vmDCk4WfVT0Fus6IHje_ihAk/edit?usp=sharing

• Plan de calidad

https://docs.google.com/document/d/1qi0CYmJCKci184zFZQeymePht1c5Cov1MH8ULHV7iQA/edit?usp=sharing

• Casos de prueba/Métricas

https://docs.google.com/spreadsheets/d/1Ct-TNoN9w1otM3ZafJfSDykd5ujwxEdS/edit?usp=sharing&ouid=102266814969747189714&rtpof=true&sd=true

• Criterios de éxito del proyecto

https://docs.google.com/document/d/1EK5fL-bS8_tlHgbIp-a6MLrFpRCfRJx94DYyIW4pRGQ/edit?usp=sharing

• Documentación de diseño

Diseño de Arquitectura: https://docs.google.com/document/d/1TnhTV--4BSa6kLO3CCyK3rLcZofAxEC187iHd_MiJlc/edit?usp=sharing

Entidad Relación: https://docs.google.com/document/d/1l1ogt0LwQ2YTVgShoEf5EGZdvLTa63biLLwIpuNU4mg/edit?usp=sharing

Diseño del Pipeline: https://drive.google.com/file/d/1V2S8d11bdRnrww6llWv_LnnG5C-dB6BC/view?usp=sharing

• Diseño de pruebas

https://docs.google.com/spreadsheets/d/1lDgbrE2h_PGnbqghJW76tcW7vAdDhdG9VjAcz8hnRPo/edit?gid=0#gid=0

• Bitácora de ejecución de pruebas

• Video de la funcionalidad de la aplicación

https://drive.google.com/file/d/1aRuM8M_EjsYKMyRbE-Pb3P2BeyBqfEe_/view?usp=sharing

• Presentación final utilizada

https://www.canva.com/design/DAGIIFGxFRo/DPtGm59mFQeKAIyylW8LqA/edit

Stack tecnológico:

Primera versión (Categorías predefinidas):

El usuario interactúa con la interfaz de la aplicación, el navegador donde podrá hacer la búsqueda que necesite. Aquí es donde el input es recogido y procesado. Las categorías se muestran para poder especificar y reducir la búsqueda. Después de que el usuario pone los datos necesario, la aplicación realiza una búsqueda web a través de una API de búsqueda personalizada. A continuación, se usa un web scraper, construido con Python y BeautifulSoup, para recoger enlaces web relevantes y extraer datos de ellos. Estos datos se clasifican y luego se almacenan en una base de datos, utilizando mongoDB. Se tendrá un servidor web construido con FastAPI, con la cual manejaremos las solicitudes y respuestas del cliente. Los resultados interpretados por la IA se almacenarán temporalmente en un caché en el navegador para mejorar la velocidad y eficiencia de las futuras solicitudes.

Versión avanzada (se usa ML para detectar las categorías):

El usuario interactúa con la interfaz de la aplicación, el navegador donde podrá hacer la búsqueda que necesite. Aquí es donde el input es recogido y procesado. La aplicación después usa un web scraper para recoger información de la web. Estaría utilizando herramientas de Procesamiento de Lenguaje Natural (NLP) y Aprendizaje Automático (ML) para entender y estructurar mejor la información recopilada. Después de recopilar los datos, se aplican algoritmos de ML para la clasificación y análisis, utilizando la biblioteca Gensim. Finalmente, los datos procesados e interpretados por la inteligencia artificial se almacenan en una base de datos a largo plazo, con lo que podemos asegurar buena organización y fácil recuperación para análisis futuros.

Tech Stack

Front End	Backend
Next JS	FastAPI
Tailwind	Serper
Lottie	BeautifulSoup
Cypress	MongoDB
	OpenAI API
	Gensim