WODAnalytics AI

API REST para la gestión de entrenamientos de CrossFit y entrenamiento híbrido, con integración de Machine Learning para predicción de rendimiento.

Stack Tecnológico

• Backend: Python 3.13, Django, Django REST Framework
• Base de datos: PostgreSQL 15
• Autenticación: JWT (djangorestframework-simplejwt)
• IA/ML: Scikit-Learn, Pandas, NumPy, Joblib
• DevOps: Docker, Docker Compose
• Testing: Pytest, pytest-django — 22 tests
• Frontend: React, Tailwind CSS
• Documentación: drf-spectacular (Swagger/OpenAPI)

Instalación y Ejecución

Requisitos previos

• Docker Desktop instalado y corriendo
• Node.js v18+ instalado

Backend

1. Clona el repositorio:

git clone https://github.com/Alejandro-Iglesias/WODanalytics.git
cd WODanalytics

2. Crea el archivo .env en la raíz:

SECRET_KEY=tu_secret_key
DEBUG=1
DB_NAME=wodanalytics
DB_USER=woduser
DB_PASSWORD=wodpass
DB_HOST=db
DB_PORT=5432

3. Levanta los contenedores:

docker-compose up --build

4. Aplica las migraciones:

docker-compose exec api python manage.py migrate

5. Genera los datos de entrenamiento y entrena el modelo ML:

docker-compose exec api python ml_model/dataset_simulation.py
docker-compose exec api python ml_model/train.py

6. La API estará disponible en http://localhost:8000

Frontend

1. Entra en la carpeta del frontend:

cd frontend

2. Instala las dependencias:

npm install

3. Arranca el servidor de desarrollo:

npm run dev

4. El dashboard estará disponible en http://localhost:5173

Endpoints Principales

Autenticación

Método	Endpoint	Descripción	Token
POST	/api/v1/auth/register/	Registro de nuevos atletas	No
POST	/api/v1/auth/token/	Login — devuelve Access y Refresh Token	No
POST	/api/v1/auth/token/refresh/	Refresca el Access Token	No
GET	/api/v1/auth/profile/	Perfil del atleta autenticado	Sí

Entrenamientos

Método	Endpoint	Descripción	Token
GET	/api/v1/wods/	Historial + racha + alerta de fatiga	Sí
POST	/api/v1/wods/	Registrar un nuevo WOD	Sí
GET	/api/v1/wods/{id}/	Detalle de un WOD	Sí
PUT	/api/v1/wods/{id}/	Editar un WOD	Sí
DELETE	/api/v1/wods/{id}/	Eliminar un WOD	Sí
GET	/api/v1/wods/metricas/	Métricas de recuperación	Sí
POST	/api/v1/wods/metricas/	Registrar métricas de recuperación	Sí

Predicciones

Método	Endpoint	Descripción	Token
POST	/api/v1/predict/	Predicción de rendimiento con ML	Sí
POST	/api/v1/predict/retrain/	Reentrenamiento del modelo (Admin)	Sí

Lógica de Negocio

• Algoritmo de Rachas: calcula días consecutivos de entrenamiento
• Media Semanal: promedio de entrenamientos en los últimos 7 días
• Alerta de Fatiga: detecta riesgo de sobreentrenamiento analizando volumen de las últimas 48h y métricas de recuperación
• Predicción ML: Random Forest Regressor con R²=0.7469

Seguridad

• Autenticación stateless con JWT
• Aislamiento de datos por usuario
• Validación de contraseñas con expresiones regulares
• Variables de entorno para datos sensibles

Testing

docker-compose exec api pytest tests/ -v

22 tests cubriendo users, wods y predictions.

Estructura del Proyecto

wodanalytics/
├── config/          # Configuración Django
├── users/           # App de autenticación y usuarios
├── wods/            # App de entrenamientos y métricas
├── predictions/     # App de predicción ML
├── tests/           # Tests con Pytest
├── docs/            # Documentación
├── ml_model/        # Scripts y modelos de ML
├── frontend/        # Dashboard React + Tailwind CSS
├── Dockerfile
├── docker-compose.yml
└── requirements.txt

Documentación

• Swagger UI: http://localhost:8000/api/docs/
• Schema OpenAPI:http://localhost:8000/api/schema/
• Colección Postman: docs/WODAnalytics.postman_collection.json
• Casos de prueba: docs/testing.md
• Schema OpenAPI: docs/WODAnalyticsAPI_openapi.yaml

Autor

Alejandro Iglesias Estévez — Python Backend Developer LinkedIn · GitHub