DSA Visualizer & Intelligent Learning Platform

Una plataforma EdTech moderna diseñada para ayudar a estudiantes de Ciencias de la Computación y desarrolladores a dominar Estructuras de Datos y Algoritmos (DSA) para entrevistas técnicas de alto nivel.

A diferencia de las plataformas tradicionales de LeetCode/Hackerrank, este proyecto integra un Nodo de Inferencia de Inteligencia Artificial Alojado Localmente, el cual actúa como un tutor socrático que guía al usuario mediante pistas en lugar de darle la respuesta directa.

🏗 Arquitectura del Proyecto (Monorepo)

Este proyecto está dividido en dos sistemas principales que se comunican mediante una API RESTful:

• ai-microservice/: Un microservicio backend en Python (FastAPI) que maneja la inferencia de Modelos de Lenguaje Grande (LLMs) usando Ollama. Este servicio está diseñado para correr localmente de forma privada, garantizando cero costos de tokens y máxima privacidad de datos.
• web-app/ (En desarrollo): El frontend interactivo y backend lógico construido con Next.js (App Router). Maneja la interfaz de usuario, la autenticación, el progreso del roadmap y la ejecución de código en el navegador.

Características Principales

• Roadmap Visual Estructurado: Un árbol de aprendizaje basado en pre-requisitos para dominar DSA paso a paso.
• Espacio de Trabajo de Entrevista: Un entorno que obliga a seguir las mejores prácticas: Preguntas Aclaratorias → Casos Extremos → Pseudocódigo → Código Real → Análisis Big-O.
• Tutor IA Socrático ("Ask AI"): Un asistente basado en IA (ej. qwen2.5-coder / llama3) que analiza el código en tiempo real y ofrece sugerencias estructuradas sin revelar la solución.
• Analizador de Complejidad Automatizado: Evaluación del código enviado para calcular y explicar su complejidad de Tiempo ($O(N)$) y Espacio.
• Dashboard de Análisis: Seguimiento de actividad estilo GitHub, retención de temas y métricas de rendimiento.

🛠 Tech Stack

Frontend & Logic (Web App)

• Framework: Next.js (React) con TypeScript
• Estilos: Tailwind CSS & shadcn/ui
• Base de Datos & Auth: Supabase (PostgreSQL)

AI Core (Microservicio)

• API Framework: FastAPI (Python) & Uvicorn
• Motor LLM: Ollama
• Modelos: qwen2.5-coder:1.5b (Desarrollo V1) / deepseek-coder:6.7b (Producción V2)

Cómo Empezar (Desarrollo Local)

1. Requisitos Previos

• Python 3.10+
• Node.js 18+
• Ollama instalado y corriendo en tu máquina.

2. Iniciar el Microservicio de IA

Abre una terminal y descarga el modelo de IA base:

ollama run qwen2.5-coder:1.5b