• Para ello primero debíamos de recopilar datos de temperaturas y de servicios que pueden ser utilizados por turistas en este tipo de situaciones de mucho calor. Toda la información recopilada pertenece a la API del Ayuntamiento de Madrid.
• Todos los datos recopilados se encuentran en la carpeta de data donde podrá ver tanto los datos obtenidos de las temperaturas ya tratados en diferentes estaciones meteorológicas como los datos de los diferentes servicios del turista.

• Transformación de los datos obtenidos anteriormente para obtener un análisis utilizando Python y otras librerias de representaciones como Matplotlib o seaborn entre otras.
• En la siguiente carpeta obtendrá todas la información sobre los notebook realizados para el tratamiento de los datos y su posterior conversión a .json para poder enviar al departamento de FullStack.

• En este pdf obtendrá un breve resumen del entrenamiento del modelo de temperaturas, si quiere obtener un documento más extenso, consulte este enlace.
• También además del modelo de temperaturas está implementado varios modelos de turismo y de su afluecia dependiendo de su procedencia que van a tener gran relevancia en posibles acciones del departamento de marketing en el futuro.

Para ello planeamos tener tres endpoints en la misma API para que se pudieran nutrir de ella el equipo de FullStack.
En un principio iba a estar alojada en un servidor de AWS, pero después de muchos error y problemas con la página lo decidimos lanzarla en pythonanywhere.

• Predicción de temperaturas:
  v1/predict - Con ella accedemos con una entrada de año,mes,día y hora a una futura predicción de la temperatura, la cual elegirá el turista dentro de la APP.
• Temperatura actual:
  v1/temp_actual - Con ella obtendremos la temperatura actual obtenida de la API de OpenWeatherMap.
• Eventos en 10 días:
  v1/eventos - Con ella obtendremos los eventos que transcurren en el momento que esta viendo la API durante los proximos 10 días.

El equipo de Data Science esta formado por:
Javier Tejero
Javier Fernandez
Santiago Valencia