feat: extraccion masiva footprint_aurgi (41 funcs + 4 types + stack Docker geo)

Extrae al registry funciones del proyecto interno footprint_aurgi:
- core (6): slugify_ascii, normalize_for_join, cp_provincia_es, infer_provincia_from_cp, safe_read_csv_fallback, csv_to_parquet_duckdb
- geo puras (7): haversine_km, point_in_ring, point_in_polygon, point_in_polygons_bbox, polygon_bbox, extent_with_padding, distance_bucket
- geo I/O (4): load_geojson_polygons, load_boundary_gdf, add_basemap_osm, add_basemap_with_timeout
- valhalla client (4): valhalla_route, valhalla_isochrone, valhalla_isochrones_async, valhalla_matrix_1_to_n
- datascience stats (7): trimmed_mean, geometric_mean, detect_distribution_type, best_central_tendency, summary_stats, kde_density_levels, alpha_shape_concave_hull
- datascience fuzzy (3): fuzzy_merge_adaptive (rapidfuzz), words_to_dataset, remove_words_from_column
- datascience viz (2): plot_kde_2d, plot_heatmap_log
- infra (4): compress_pdf_ghostscript, render_table_page_pdfpages, add_header_logo, osm2pgsql_ingest
- pipelines (4): setup_geo_stack_docker, compute_centers_reachability, generate_isochrones_by_zone, count_points_per_zone
- types geo (4): LonLat, BBox, IsochroneRequest, Centro

Incluye:
- apps/footprint_geo_stack/ (PostGIS + Martin + Valhalla via docker-compose)
- 131/132 tests pasan (1 skip esperado: osm2pgsql en PATH)
- Issue tracker dev/issues/0052-footprint-aurgi-extraction.md
- Atribucion uniforme: source_repo internal:footprint_aurgi, source_license internal-aurgi
- Build con 9 agentes en paralelo (8 wave 1 + 1 wave 2 pipelines)

Tambien commitea trabajo previo no commiteado: aggregate_extraction_results, chunk_with_overlap, clean_pdf_text, merge_entity_aliases, extract_graph_gliner2, extract_relations_mrebel, extract_triples_spacy_es, gliner2/mrebel/marianmt/rebel/spacy_es load_model, parse_rebel_output, translate_es_to_en, issue 0050/0051.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/datascience/translate_es_to_en.md

@@ -0,0 +1,85 @@
+---
+name: translate_es_to_en
+kind: function
+lang: py
+domain: datascience
+version: "1.0.0"
+purity: impure
+signature: "def translate_es_to_en(text: str, tokenizer: Any, model: Any, max_length: int = 512, num_beams: int = 4) -> str"
+description: "Traduce texto espanol a ingles frase a frase usando MarianMT. Divide por boundaries de oracion, traduce cada una independientemente y une con espacio. Preserva nombres propios mejor que pasar el parrafo entero."
+tags: [marianmt, translation, es-en, nlp, datascience, python]
+uses_functions: [marianmt_es_en_load_model_py_datascience]
+uses_types: []
+returns: []
+returns_optional: false
+error_type: "error_go_core"
+imports: [re]
+params:
+  - name: text
+    desc: "texto en espanol a traducir — puede ser una frase o un parrafo multi-oracion"
+  - name: tokenizer
+    desc: "tokenizer MarianMT cargado con marianmt_es_en_load_model"
+  - name: model
+    desc: "modelo MarianMT cargado con marianmt_es_en_load_model"
+  - name: max_length
+    desc: "longitud maxima en tokens por oracion para tokenizacion y generacion (defecto 512)"
+  - name: num_beams
+    desc: "numero de beams para beam search — mas alto = mejor calidad, mas lento (defecto 4)"
+output: "texto traducido al ingles. Frases unidas con espacio simple. String vacio si el input es vacio."
+tested: true
+tests:
+  - "texto vacio retorna string vacio"
+  - "una frase en espanol produce output no vacio"
+test_file_path: "python/functions/datascience/tests/test_translate_es_to_en.py"
+file_path: "python/functions/datascience/translate_es_to_en.py"
+notes: |
+  impure: invoca model.generate que depende del estado del modelo (pesos, device).
+  
+  El split por oracion usa regex lookahead-behind sobre [.!?] seguidos de espacio.
+  Esto preserva nombres propios con puntos (S.A., U.S.A.) mejor que NLTK sent_tokenize
+  porque no usa reglas de abreviacion — simplemente divide donde hay espacio despues
+  de puntuacion terminal.
+  
+  Util como preprocesador para rebel_load_model (English-only, Apache 2.0):
+    ES text -> translate_es_to_en -> EN text -> REBEL -> triplets
+  Alternativa directa: mrebel_load_model (multilingue, CC BY-NC-SA).
+---
+
+## Ejemplo
+
+```python
+from python.functions.datascience.marianmt_es_en_load_model import marianmt_es_en_load_model
+from python.functions.datascience.translate_es_to_en import translate_es_to_en
+
+tokenizer, model = marianmt_es_en_load_model()
+
+text = "Pablo Isla es presidente de Inditex. La empresa tiene sede en Arteixo."
+translated = translate_es_to_en(text, tokenizer, model)
+# "Pablo Isla is president of Inditex. The company is headquartered in Arteixo."
+```
+
+## Por que frase a frase
+
+Pasar el parrafo entero a MarianMT puede degradar la traduccion de nombres propios
+porque el modelo redistribuye la atencion sobre el contexto completo. Dividir por oraciones:
+
+1. Contexto mas corto → menos confusion en nombres propios.
+2. Truncation menos probable (512 tokens alcanza para oraciones normales).
+3. Pipeline mas predecible para debugging (se puede inspeccionar cada frase).
+
+## Patron pipeline ES -> EN -> REBEL
+
+```python
+# Paso 1: cargar modelos
+mt_tok, mt_model = marianmt_es_en_load_model()
+rebel_tok, rebel_model = rebel_load_model()
+
+# Paso 2: traducir
+en_text = translate_es_to_en(es_text, mt_tok, mt_model)
+
+# Paso 3: extraer relaciones
+inputs = rebel_tok(en_text, return_tensors="pt", max_length=512, truncation=True)
+generated = rebel_model.generate(**inputs, num_beams=4, max_length=256)
+decoded = rebel_tok.decode(generated[0], skip_special_tokens=False)
+triplets = parse_rebel_output(decoded)
+```