SpaceX

En este proyecto, los datos de lanzamiento de SpaceX se recopilaron programáticamente mediante la API REST oficial de SpaceX. Enviamos solicitudes HTTP GET para recuperar información estructurada sobre lanzamientos, cohetes, cargas útiles y plataformas de lanzamiento. Cada respuesta de la API devolvió datos JSON, que analizamos y combinamos en un único conjunto de datos. Este método garantizó información precisa y actualizada, obtenida directamente de los sistemas backend de SpaceX, lo que hizo que el conjunto de datos fuera fiable para su posterior análisis, visualización y construcción de modelos.

Tabla de Contenidos

• Descripción
• Instalación
• Uso
• Estructura del repositorio
• Licencia
• Créditos

Descripción

Este repositorio contiene el análisis y modelado para predecir el éxito del aterrizaje de la primera etapa del cohete Falcon 9 de SpaceX. Utiliza notebooks en Jupyter para manipulación de datos, exploración, ingeniería de características y construcción de modelos de machine learning.

Instalación

1. Clona este repositorio

   git clone https://github.com/alollu/Falcon-9.git

2. Instala dependencias Se recomienda crear un entorno virtual, luego instala los paquetes requeridos especificados en los notebooks (ej. pandas, numpy, scikit-learn, matplotlib, seaborn).

   pip install -r requirements.txt

   (Si no existe un archivo requirements.txt, instala los paquetes que encuentres en los notebooks.)

Uso

1. Abre los notebooks en Jupyter Notebook o JupyterLab.
2. Sigue el flujo de análisis para entender los datos y el modelo.
3. Puedes modificar y experimentar con los parámetros y el modelo según lo desees.

Estructura del repositorio

Falcon-9/
│
├── <notebooks>.ipynb        # Cuadernos con el análisis y modelado
├── requirements.txt         # Paquetes requeridos (si está disponible)
└── README.md

Licencia

Este proyecto se publica bajo la licencia MIT. Consulta el archivo LICENSE para más detalles.

Créditos

Desarrollado por alollu.

---

¡No dudes en mandar un PR o sugerencia!