Create app.py

app.py

@@ -0,0 +1,35 @@
+import streamlit as st
+import pandas as pd
+from sklearn.linear_model import LogisticRegression
+from sklearn.model_selection import train_test_split
+
+st.title("📘 Ejemplo educativo de Machine Learning en Python")
+
+# Cargar datos
+data = pd.read_csv("data.csv")
+
+st.subheader("📊 Datos utilizados")
+st.dataframe(data)
+
+# Variables
+X = data[["horas_estudio", "asistencia"]]
+y = data["aprueba"]
+
+# Entrenar modelo
+modelo = LogisticRegression()
+modelo.fit(X, y)
+
+st.subheader("🧠 Modelo entrenado")
+
+# Inputs del usuario
+horas = st.slider("Horas de estudio", 0, 10, 4)
+asistencia = st.slider("Asistencia (%)", 0, 100, 75)
+
+# Predicción
+prediccion = modelo.predict([[horas, asistencia]])
+
+st.subheader("🔍 Resultado")
+if prediccion[0] == 1:
+    st.success("El modelo predice que APRUEBA")
+else:
+    st.error("El modelo predice que NO aprueba")