Upload 5 files

Commint ejemplo : Este modelo clasifica empresas del sector TIC en **innovadoras** o **tradicionales** usando:

- Actividad económica (CIIU)
- Tamaño (empleados)
- Uso de tecnologías avanzadas (IA, GitHub)
- Exportación de servicios

README.md

@@ -1,14 +1,24 @@
----
-title: MLticBga
-emoji: 😻
-colorFrom: purple
-colorTo: pink
-sdk: gradio
-sdk_version: 5.49.1
-app_file: app.py
-pinned: false
-license: gpl
-short_description: Machine Learning para identificar empresas para innovación
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# 🚀 Empresas TIC Innovadoras en Bucaramanga
+
+Este modelo clasifica empresas del sector TIC en **innovadoras** o **tradicionales** usando:
+
+- Actividad económica (CIIU)
+- Tamaño (empleados)
+- Uso de tecnologías avanzadas (IA, GitHub)
+- Exportación de servicios
+
+## 🎯 Aplicaciones
+- **Alcaldía de Bucaramanga**: identificar empresas para programas de innovación.
+- **ParqueSoft Santander**: priorizar incubación.
+- **Estudiantes UIS/UNAB**: elegir empresas para pasantías con impacto.
+
+## 📊 Datos
+- MinTIC – Directorio Nacional de Empresas TIC
+- RUES – Datos abiertos de Colombia
+- Información pública de redes (GitHub, LinkedIn)
+
+## 🛠️ Tecnología
+- `RandomForestClassifier` + calibración (`CalibratedClassifierCV`)
+- Interfaz interactiva con **Gradio** en **Hugging Face Spaces**
+
+Hecho con ❤️ para el ecosistema TIC de Santander.

app.py

@@ -0,0 +1,60 @@
+# app.py
+import gradio as gr
+import joblib
+import numpy as np
+
+# Cargar
+modelo = joblib.load("modelo_tic.pkl")
+le_ciiu = joblib.load("encoder_actividad.pkl")
+
+CIIU_OPCIONES = ["6201 - Desarrollo software", "6202 - Consultoría TIC", "6209 - Otros servicios TIC", "6311 - Hosting/Cloud"]
+
+def predecir_innovacion(ciiu_str, empleados, exporta, usa_ia, tiene_github):
+    # Extraer código CIIU
+    ciiu = ciiu_str.split(" ")[0]
+    try:
+        ciiu_cod = le_ciiu.transform([ciiu])[0]
+    except:
+        ciiu_cod = 0  # fallback
+
+    entrada = np.array([[ciiu_cod, empleados, int(exporta), int(usa_ia), int(tiene_github)]])
+    prob = modelo.predict_proba(entrada)[0][1]
+    
+    if prob >= 0.7:
+        mensaje = "🚀 Alta innovación: probable startup tecnológica o empresa exportadora."
+    elif prob >= 0.4:
+        mensaje = "💡 Innovación moderada: podría beneficiarse de apoyo del clúster TIC."
+    else:
+        mensaje = "🔧 Empresa tradicional: servicios básicos de TI."
+
+    return f"{prob*100:.1f}%", mensaje
+
+with gr.Blocks(title="TIC Bucaramanga") as demo:
+    gr.Markdown("# 🧠 ¿Es innovadora tu empresa TIC en Bucaramanga?")
+    gr.Markdown("Modelo basado en datos del MinTIC, RUES y clústeres locales.")
+
+    with gr.Row():
+        ciiu = gr.Dropdown(CIIU_OPCIONES, label="Actividad principal (CIIU)", value=CIIU_OPCIONES[0])
+        empleados = gr.Slider(1, 100, value=10, label="Número de empleados")
+    with gr.Row():
+        exporta = gr.Checkbox(label="¿Exporta servicios?")
+        usa_ia = gr.Checkbox(label="¿Usa inteligencia artificial?")
+        tiene_github = gr.Checkbox(label="¿Tiene repositorios públicos (GitHub)?")
+
+    prob_output = gr.Textbox(label="Probabilidad de ser innovadora")
+    mensaje_output = gr.Textbox(label="Interpretación")
+
+    btn = gr.Button("Analizar empresa")
+    btn.click(
+        predecir_innovacion,
+        inputs=[ciiu, empleados, exporta, usa_ia, tiene_github],
+        outputs=[prob_output, mensaje_output]
+    )
+
+    gr.Markdown("""
+    > ℹ️ Este modelo ayuda a identificar talento TIC en Bucaramanga.  
+    > Datos: MinTIC, RUES, ParqueSoft Santander.  
+    > Proyecto de código abierto para el ecosistema local.
+    """)
+
+demo.launch()

empresas_tic_bucaramanga.csv.txt

@@ -0,0 +1,8 @@
+empresa,actividad_ciiu,empleados,exporta_servicios,usa_ia,tiene_github,innovadora
+SoftSantander,6201,15,0,1,1,1
+DataSys SAS,6202,8,0,0,0,0
+NeuronCloud Ltda,6209,25,1,1,1,1
+SoporteTI,6209,3,0,0,0,0
+IAAndina,6201,12,1,1,1,1
+RedesBuc,6311,5,0,0,0,0
+CyberSantander,6202,18,0,1,1,1

requirements.txt

@@ -0,0 +1,5 @@
+gradio==4.36.0
+scikit-learn==1.5.0
+pandas==2.2.0
+joblib==1.4.0
+numpy==1.26.0

tic_innovacion.py

@@ -0,0 +1,51 @@
+# tic_innovacion.py
+import pandas as pd
+import numpy as np
+from sklearn.model_selection import train_test_split
+from sklearn.ensemble import RandomForestClassifier
+from sklearn.preprocessing import LabelEncoder
+from sklearn.calibration import CalibratedClassifierCV
+from sklearn.metrics import classification_report, brier_score_loss, calibration_curve
+import joblib
+import matplotlib.pyplot as plt
+
+# Cargar datos
+df = pd.read_csv("data/empresas_tic_bucaramanga.csv")
+
+# Codificar actividad CIIU
+le_ciiu = LabelEncoder()
+df['actividad_cod'] = le_ciiu.fit_transform(df['actividad_ciiu'])
+
+# Variables predictoras
+X = df[['actividad_cod', 'empleados', 'exporta_servicios', 'usa_ia', 'tiene_github']]
+y = df['innovadora']
+
+# Dividir
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42, stratify=y)
+
+# Modelo base
+model = RandomForestClassifier(
+    n_estimators=150,
+    max_depth=6,
+    class_weight='balanced',
+    random_state=42
+)
+model.fit(X_train, y_train)
+
+# Calibración (como en cancer.py)
+calibrated_model = CalibratedClassifierCV(model, method='sigmoid', cv=3)
+calibrated_model.fit(X_train, y_train)
+
+# Evaluar
+prob_cal = calibrated_model.predict_proba(X_test)[:, 1]
+y_pred = (prob_cal >= 0.5).astype(int)
+
+print("=== Reporte de Clasificación ===")
+print(classification_report(y_test, y_pred))
+
+print(f"Brier Score: {brier_score_loss(y_test, prob_cal):.4f}")
+
+# Guardar
+joblib.dump(calibrated_model, "modelo_tic.pkl")
+joblib.dump(le_ciiu, "encoder_actividad.pkl")
+print("✅ Modelo y encoder guardados.")