Descripción del Proyecto Quiero desarrollar una aplicación con Inteligencia Artificial que me ayude a calcular precios de piezas de mi empresa de forma rápida y automática. Objetivo principal: Alimentar el sistema con mis históricos de precios en diferentes formatos (Excel, CSV, etc.), porque cada cliente/proveedor usa plantillas distintas. Que el sistema vaya aprendiendo de estos datos y sea capaz de unificar, organizar y entrenar un modelo de predicción de precios. Al introducir los datos de una pieza nueva (material, tirada, tiempo de máquina, etc.) y seleccionar el cliente, la aplicación debe: Calcular un precio estimado usando IA. Devolver ese precio ya integrado en la plantilla de presupuesto del cliente (cada cliente puede tener su propio formato). Funcionalidades clave: Importación de datos Leer automáticamente Excel/CSV en distintos formatos. Detectar qué columnas corresponden a “precio”, “material”, “tirada”, “tiempo”, etc. (aunque tengan nombres distintos). Unificar todo en una base de datos central. Base de datos unificada Guardar y organizar todos los históricos de precios. Permitir agregar nuevos datos con facilidad (subir ficheros o introducir manualmente). Motor de predicción Usar modelos de Machine Learning (ej. LightGBM/XGBoost) entrenados con los históricos. Actualizarse automáticamente cada vez que se incorporan nuevos datos. Ofrecer precios estimados con margen de confianza. Interfaz de usuario Introducir datos de una pieza nueva (material, medidas, procesos, tiempo, cliente). Seleccionar el cliente y generar el presupuesto con el precio ya integrado en su plantilla. Posibilidad de corregir el precio sugerido (esa corrección se guarda como nuevo dato de entrenamiento). Entregables Aplicación funcional (puede ser web app con Streamlit/FastAPI o escritorio sencillo). Base de datos centralizada (SQLite o PostgreSQL). Sistema de importación de archivos desde carpetas (Excel/CSV). Modelo de predicción entrenable con nuevos datos. Generación de plantillas personalizadas por cliente (ejemplo: exportar a Excel en formato definido). Requisitos técnicos (preferidos, pero abiertos a propuesta) Python (pandas, scikit-learn, LightGBM, FastAPI/Streamlit). Base de datos SQL (SQLite/Postgres). Exportación a Excel (openpyxl). Interfaz sencilla y rápida de usar.