https://github.com/openlabun/dataflow
https://github.com/openlabun/dataflow
data-generator developer-tools docker javascript json nodejs
Last synced: about 2 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/openlabun/dataflow
- Owner: openlabun
- Created: 2024-06-04T07:21:35.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2024-09-15T00:41:19.000Z (over 1 year ago)
- Last Synced: 2025-03-11T20:37:21.612Z (about 1 year ago)
- Topics: data-generator, developer-tools, docker, javascript, json, nodejs
- Language: JavaScript
- Homepage:
- Size: 14.2 MB
- Stars: 0
- Watchers: 2
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# DataFlow
DataFlow es una aplicación web diseñada para generar datos sintéticos de sensores. La herramienta permite a los usuarios crear datasets personalizados de manera rápida y eficiente, emulando datos de diversos sensores como temperatura, humedad, presión, potencia, corriente y voltaje. Los datos generados pueden seguir diferentes patrones de variación, como constante, lineal, senoidal y aleatorio.
## Justificación de la Herramienta
### Testing y Simulación
Los desarrolladores y científicos de datos a menudo necesitan grandes volúmenes de datos para probar y validar algoritmos, modelos de machine learning y sistemas de software. La generación de datos sintéticos proporciona una solución rápida y económica en comparación con la recolección de datos del mundo real.
### Flexibilidad y Personalización
DataFlow permite a los usuarios personalizar completamente sus datasets, especificando el número de filas, la frecuencia de generación de datos y los parámetros específicos para cada tipo de dato. Esto es crucial para crear escenarios de prueba realistas y adaptados a diferentes necesidades.
### Educación y Formación
En un contexto educativo, DataFlow es una herramienta valiosa para enseñar y demostrar conceptos de análisis de datos, machine learning y desarrollo de software, proporcionando datasets personalizables para prácticas y proyectos.
## Propuesta de nuevas funcionalidades
1. **Integración con API Externas para Datos Reales:** Agregar la capacidad de integrar datos reales de sensores mediante APIs externas, permitiendo la combinación de datos sintéticos y reales para enriquecer los datasets.
2. **Correlación:** Incorporar opciones para correlacionar varias varaibles, ya sea directa o inversamente. De esa manera, los datos cobrarán aún más sentido.
## Ejecución
1. Abre tu CMD.
2. Navega hasta el directorio del proyecto.
3. Ejecuta
```
node server.js
```
4. El proyecto se ejecutará en el puerto 3000 `http://localhost:3000`.
## Ejecución con Docker
Asegúrate de tener Docker instalado y ejecutando en tu sistema.
```
docker-compose up --build
```
- Si la imagen ya esta construida solo ejecuta:
```
docker-compose up
```
- Si deseas ejecutar los contenedores en segundo plano:
```
docker-compose up -d
```
Accede a la aplicación a través de `http://localhost:3000` en tu navegador.
Video de prueba: https://drive.google.com/file/d/1DVNsqbiaO0b4pcQYphhQwULf8BD3227q/view?usp=sharing
## Miembros del equipo
- Yuli Meza (Github: yulimezab) NRC 2381
- Daniel Mendoza (Github: DEM2) NRC 2381