Python, FastAPI, Scikit-learn, Pydantic, Uvicorn, Render

API REST de Predicción de Riesgo en Infracciones de Tráfico

API REST construida con FastAPI que predice si una infracción de tráfico es grave o no, permitiendo a aseguradoras evaluar el riesgo de un conductor en tiempo real.

Rol Backend Developer / Data Scientist
Tecnologías Python, FastAPI, Scikit-learn, Pydantic, Uvicorn, Render
Duración 2 semanas

El problema

Las aseguradoras necesitan evaluar el riesgo de un conductor en el momento en que notifica una multa, para poder ajustar su prima de forma automática y objetiva. El objetivo era construir una API que, dado el perfil de un conductor, devuelva en tiempo real si su infracción tiene probabilidad de ser grave o no.

Proceso

Se tomó el modelo LightGBM entrenado en el proyecto de ML anterior y se desplegó como API REST con FastAPI. Se diseñaron tres endpoints principales: predicción individual por POST, predicción por lotes y consulta de metadatos del modelo. La validación de datos de entrada se delegó en Pydantic, que devuelve errores detallados campo a campo. La API se desplegó en Render y está disponible públicamente.

Resultados

API funcional y desplegada en producción, accesible en https://api-infracciones-trafico.onrender.com. Incluye simulador individual, predicción por lotes, documentación automática con Swagger UI y ReDoc. El endpoint POST devuelve predicción y probabilidad de riesgo alto con una sola llamada.

Ver código en GitHub Volver a proyectos