Notas del proyecto
-
Integración del modelo de visión: La plataforma alimenta video anotado de sesiones de entrenamiento a un pipeline de detección que marca patrones clave de movimiento, exponiéndolos al entrenador a través de un dashboard en React.
-
Producto académico: El trabajo fue presentado como póster de investigación en el semillero institucional — un artefacto tangible que une la ingeniería aplicada de IA con la validación académica formal.
-
Arquitectura multi-stack: Django + DRF en el backend separa limpiamente la capa de inferencia del frontend en TypeScript, permitiendo que cada lado itere sin romper el contrato de la API.