File size: 4,650 Bytes
4c1d41a
 
 
 
 
a252330
4c1d41a
 
 
291b4bd
 
 
a252330
 
291b4bd
e22ad3e
 
291b4bd
a252330
291b4bd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4c1d41a
 
 
 
 
 
0e1f0b4
 
 
 
 
 
d9d65df
0e1f0b4
4c1d41a
 
a252330
4c1d41a
a252330
 
 
 
03c2834
a252330
 
4c1d41a
 
 
 
 
a808351
 
 
4c1d41a
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
import gradio as gr
import pandas as pd
from joblib import load


def humands(Monthlyincome,Age,TotalWorkingYears,DistanceFromHome,Overtime,YearsAtCompany,NumCompaniesWorked):
    model = load('modelo_entrenado.pkl')
    df = pd.DataFrame.from_dict(
        {
            "Monthlyincome" : [Monthlyincome],
            "Age" : [Age],
            "TotalWorkingYears" : [TotalWorkingYears],
            "DailyRate" : [Monthlyincome*2/30],
            "HourlyRate" : [Monthlyincome*2/1640],
            "DistanceFromHome" : [DistanceFromHome],
            "OverTime_Yes" : [0 if Overtime else 1],
            "OverTime_No" : [0 if not Overtime else 1],
            "YearsAtCompany" : [YearsAtCompany],
            "MonthlyRate" : [Monthlyincome*2],
            "NumCompaniesWorked" : [NumCompaniesWorked],
            "PercentSalaryHike" : [0],
            "YearsInCurrentRole" : [0],
            "YearsWithCurrManager" : [0],
            "StockOptionLevel" : [0],
            "YearsSinceLastPromotion" : [0],
            "JobSatisfaction" : [0],
            "JobLevel" : [0],
            "TrainingTimesLastYear" : [0],
            "EnvironmentSatisfaction" : [0],
            "WorkLifeBalance" : [0],
            "MaritalStatus_Single" : [0],
            "JobInvolvement" : [0],
            "RelationshipSatisfaction" : [0],
            "Education" : [0],
            "BusinessTravel_Travel_Frequently" : [0],
            "JobRole_Sales Representative" : [0],
            "EducationField_Medical" : [0],
            "Department_Sales" : [0],
            "JobRole_Laboratory Technician" : [0],
            "Department_Research & Development" : [0],
            "Gender_Female" : [0],
            "MaritalStatus_Married" : [0],
            "JobRole_Sales Executive" : [0],
            "EducationField_Technical Degree" : [0],
            "Gender_Male" : [0],
            "EducationField_Life Sciences" : [0],
            "BusinessTravel_Travel_Rarely" : [0],
            "MaritalStatus_Divorced" : [0],
            "JobRole_Research Scientist" : [0],
            "EducationField_Marketing" : [0],
            "PerformanceRating" : [0],
            "EducationField_Other" : [0],
            "JobRole_Human Resources" : [0],
            "BusinessTravel_Non-Travel" : [0],
            "Department_Human Resources" : [0],
            "JobRole_Manufacturing Director" : [0],
            "JobRole_Healthcare Representative" : [0],
            "EducationField_Human Resources" : [0],
            "JobRole_Manager" : [0],
            "JobRole_Research Director" : [0],
            
            
                                 
        }
    )
         
    pred = model.predict(df)[0]

   # if pred < 5.0:
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " Es necesario mejorar mucho"
    #elif (pred >=5.0 and pred <=7.0):
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " . Vais por buen camino"
    #else:
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " . Buen trabajo"
    return pred
   # return predicted
    
iface = gr.Interface(
    humands,
    [
        gr.inputs.Slider(1000,20000,label="Ingresos mensuales del trabajador"),
        gr.inputs.Slider(18,70,label="Edad del trabajador"),
        gr.inputs.Slider(0,40,label="Total de años trabajados del trabajador"),
        gr.inputs.Slider(0,100,label="Distancia del trabajo al domicilio en Km"),
        "checkbox",
        gr.inputs.Slider(0,40,label="Años del trabajador en la empresa"),
        gr.inputs.Slider(0,40,label="Numero de empresas en las que ha estado el trabajador"),
        
     ],

    "text",
    examples=[
        [1500,25,20,2,True,2,2],
        [1500,25,20,2,False,2,2],
        [1500,25,20,2,True,2,2],
    ],
    interpretation="default",
    title = 'Student Experience: cómo mejorar la experiencia de aprendizaje en la universidad',
    description = '¿Cómo calificarías la experiencia de aprendizaje que viviste/estás viviendo en la universidad? ¿Sabrías decir qué es lo que hace que estás más satisfecho/a con un profesor? Si eres estudiante, ¿preparado/a para saber qué es lo que tienes pedir a tu universidad para tener la mejor experiencia y notas posibles? Si eres profesor/a universitario/a ¿preparado/a para conocer los elementos en los que más tienes que enfocarte para mejorar tu desempeño profesional? Para saber más: https://saturdays.ai/2021/07/29/como-mejorar-la-experiencia-de-aprendizaje-en-la-universidad-con-inteligencia-artificial/',
    theme = 'peach'
)


   
iface.launch()