1. Casos de Estudio

Análisis detallado de proyectos reales con todas las decisiones técnicas, arquitectónicas y de diseño justificadas.

Cada caso de estudio documenta el contexto, las decisiones tomadas y las lecciones aprendidas.

1.1 📖 ¿Qué es un Caso de Estudio?

Un caso de estudio es un análisis profundo de un proyecto real que documenta:

• Contexto del negocio: Qué necesita el cliente y por qué
• Decisiones técnicas: Elección de lenguajes, frameworks y herramientas
• Decisiones arquitectónicas: Patrones, estructura y organización
• Justificación: Por qué se tomó cada decisión (trade-offs, alternativas consideradas)
• Lecciones aprendidas: Qué funcionó, qué no, y qué se haría diferente

1.2 🎯 Objetivo de esta Sección

Los casos de estudio sirven para:

1. Aprender de la experiencia: Ver cómo se aplican los conceptos de la guía en proyectos reales
2. Justificar decisiones: Entender el razonamiento detrás de cada elección técnica
3. Evitar errores: Conocer los problemas encontrados y cómo se resolvieron
4. Inspirar soluciones: Usar estos casos como referencia para proyectos similares

1.3 📚 Casos de Estudio Disponibles

• Portafolio Personal con TypeScript, Angular y SQLite

  • Stack: TypeScript, Angular, SQLite
  • Conceptos: Arquitectura Hexagonal, Screaming Architecture, i18n, Design System
  • Decisiones clave: Por qué TypeScript sobre JavaScript, Angular sobre React, SQLite sobre PostgreSQL
  • Artefactos: ADRs, Decision Journal, Pre-Mortem

• Diario Digital de Emociones (Mood Tracker)

  • Stack: FastAPI, React/Next.js, PostgreSQL + TimescaleDB, OAuth 2.0
  • Conceptos: 3 Modelos de Emociones (Ekman, Plutchik, PAD), ML (K-Means), Visualizaciones 3D, Series Temporales
  • Decisiones clave: Por qué 3 modelos, PostgreSQL + TimescaleDB sobre MongoDB, FastAPI sobre Django, Wizard multinivel
  • Artefactos: ADRs, JTBD, North Star Metric, Pattern Analysis

• Voice Volume Tracker para Windows

  • Stack: C# + .NET 8, WPF, NAudio, ML.NET/ONNX, Windows Service
  • Conceptos: Speaker Verification (ML), Procesamiento de Audio en Tiempo Real, FSM (Finite State Machine), DirectX Overlay
  • Decisiones clave: C# sobre Python/Electron, SpeechBrain ECAPA-TDNN, Arquitectura Hexagonal, Encriptación AES-256
  • Artefactos: ADRs, Property-Based Testing, Performance Profiling, Anti-patrones documentados
  • Partes: Parte 1 (Arquitectura) | Parte 2 (ML y Alertas) | Parte 3 (Seguridad)

• Alarma por Ubicación (Geofencing Alarm)

  • Stack: Flutter, Kotlin/Swift (Nativo), SQLite, AWS Serverless
  • Conceptos: Foreground Services, FSM (Máquina de Estados), Optimización de Batería, Offline-First
  • Decisiones clave: Híbrido Optimizado (Flutter UI + Core Nativo), Muestreo Adaptativo de GPS, Arquitectura Hexagonal
  • Artefactos: ADRs, Circuit Breaker Fallback, Pre-Mortem

1.4 🔗 Relación con otros Capítulos

Los casos de estudio integran conceptos de múltiples capítulos:

1.5 📝 Cómo Leer un Caso de Estudio

Cada caso de estudio sigue esta estructura:

1. Resumen Ejecutivo: Vista rápida del proyecto y tecnologías
2. Contexto del Cliente: Qué necesita y por qué
3. Decisiones de Tecnología: Stack elegido con justificación
4. Decisiones de Arquitectura: Patrones y estructura
5. Decisiones de Diseño (UX/UI): Interfaz y experiencia de usuario
6. Requisitos No Funcionales: Seguridad, performance, calidad
7. ADRs: Decisiones arquitectónicas documentadas
8. Lecciones Aprendidas: Qué funcionó y qué no
9. Métricas de Éxito: Cómo se midió el resultado

1.6 🎓 Casos de Estudio Futuros

Próximos casos de estudio planificados:

• E-commerce con Microservicios (Node.js, React, PostgreSQL, Redis)
• API REST con Clean Architecture (Python, FastAPI, MongoDB)
• Aplicación Mobile Multiplataforma (React Native, Firebase)
• Dashboard de Analytics en Tiempo Real (Vue.js, WebSockets, InfluxDB)
• Sistema de Gestión de Inventario (Java, Spring Boot, MySQL)

1.7 🤝 Contribuir con un Caso de Estudio

Si tienes un proyecto que quieres documentar como caso de estudio:

1. Usar la plantilla: Seguir la estructura definida arriba
2. Documentar decisiones: Incluir ADRs y justificaciones
3. Agregar diagramas: Arquitectura, flujos, modelos de datos
4. Incluir código relevante: Snippets que ilustren decisiones clave
5. Compartir lecciones: Qué funcionó, qué no, y por qué