Skip to main content

Documentation Index

Fetch the complete documentation index at: https://mintlify.com/carlosgomezc7/plataforma_aprendizaje/llms.txt

Use this file to discover all available pages before exploring further.

La Plataforma Educativa Personalizada es una aplicación de escritorio interactiva construida con Python y Tkinter. Demuestra cómo aplicar estructuras de datos y algoritmos de optimización — cola FIFO, grafos, Quick Sort, búsqueda binaria y recursividad — para ofrecer sugerencias de cursos personalizadas, seguimiento de progreso en tiempo real y detección de cuellos de botella académicos.

Introducción

Conoce el proyecto, sus objetivos y los conceptos clave que implementa.

Inicio Rápido

Instala Python 3 y ejecuta la aplicación en menos de dos minutos.

Módulos de la App

Explora las cuatro pestañas de la interfaz y lo que hace cada una.

Referencia de API

Documentación completa de todas las clases y funciones del proyecto.

Primeros pasos

1

Verifica Python 3

Asegúrate de tener Python 3.x instalado. Tkinter viene incluido en la instalación estándar de Python.
python --version
2

Clona el repositorio

git clone https://github.com/carlosgomezc7/plataforma_aprendizaje.git
cd plataforma_aprendizaje
3

Ejecuta la aplicación

No se requieren dependencias externas. Basta con correr el script principal:
python index.py
4

Explora las pestañas

La ventana de 700×500 px abre con cuatro pestañas: Cursos, Progreso, Análisis e Historial. Cada una demuestra una estructura de datos o algoritmo diferente.

Características principales

Quick Sort y Búsqueda Binaria

Ordena cursos por relevancia en tiempo O(n log n) y localiza cualquier curso por ID en O(log n).

Cola FIFO de Progreso

Encola actividad del estudiante en memoria y sincroniza a la base de datos local cuando sea conveniente.

Grafo de Rendimiento

Modela transiciones entre módulos como aristas ponderadas y detecta tasas de abandono superiores al umbral configurado.

Historial Recursivo

Reconstruye el árbol de prerrequisitos completados mediante un algoritmo recursivo de traversal.
El proyecto funciona completamente en local: toda la persistencia se realiza en el archivo db_local.json, sin conexión a internet ni dependencias de terceros.

Build docs developers (and LLMs) love