Reconocimiento de Dígitos con CNN - Trabajo Práctico Final

Este proyecto implementa un sistema completo de reconocimiento de dígitos manuscritos utilizando una Red Neuronal Convolucional (CNN) entrenada con el dataset MNIST.

🚀 Descripción

El sistema permite a los usuarios dibujar dígitos (0-9) en una interfaz web interactiva y obtener predicciones en tiempo real utilizando un modelo de inteligencia artificial entrenado.

📁 Estructura del Proyecto

tlp3-tpfinal/
├── client/           # Frontend React + Vite
├── server/           # Backend FastAPI + TensorFlow
├── train/            # Notebook de entrenamiento del modelo

🛠️ Tecnologías Utilizadas

Frontend

• React 19 - Biblioteca de JavaScript para la interfaz de usuario
• Vite - Herramienta de construcción y desarrollo
• Axios - Cliente HTTP para comunicación con el backend

Backend

• FastAPI - Framework web moderno y rápido para Python
• TensorFlow/Keras - Framework de machine learning
• NumPy - Computación numérica

Machine Learning

• CNN (Convolutional Neural Network) - Arquitectura de red neuronal
• MNIST Dataset - Dataset de dígitos manuscritos
• Google Colab - Plataforma de entrenamiento (recomendada)

Detalles

• El servidor estará disponible en http://localhost:8000
• La aplicación web estará disponible en http://localhost:5173

🧠 Entrenamiento del Modelo

El modelo CNN fue entrenado usando el notebook train/CNN.ipynb. Se recomienda encarecidamente ejecutar el entrenamiento en Google Colab para aprovechar las GPU gratuitas y el entorno optimizado.

Características del modelo

• Arquitectura CNN con capas convolucionales y de pooling
• Normalización por lotes (Batch Normalization)
• Dropout para prevenir overfitting
• Precisión de entrenamiento: ~99%
• Precisión de validación: ~98%

🎮 Uso de la Aplicación

1. Accede a la aplicación web en tu navegador
2. Dibuja un dígito (0-9) en el canvas interactivo
3. Ajusta el tamaño del pincel si es necesario
4. Haz clic en "Predecir" para obtener el resultado
5. Usa "Limpiar" para borrar el canvas y dibujar un nuevo dígito

📊 API Endpoints

• GET / - Verificación de salud del servidor
• POST /predict - Predicción de dígitos
• GET /metrics - Métricas del modelo
• GET /info - Información del sistema

👥 Autores

Este proyecto fue desarrollado como como Trabajo Práctico Final - TLP3 2025

• Majda, Facundo.
• Sanchez, Ramiro.