1. Recordatorio: de las piezas al programa completo En el A.2 desmontamos un programa por bloques: sombreros, puzles, C, óvalos, hexágonos. Sabes reconocer cada pieza y sabes que cada script es una pila de bloques encajados desde un evento. Hoy …
Computación y Robótica – 1º ESO Antes de empezar: ¿te acuerdas? En la sesión anterior tu lince aprendió a tener dos scripts independientes: uno que arrancaba con la bandera verde y otro con un evento distinto. Cada uno de esos …
En la décima entrega del proyecto BermejaPi, desarrollamos un generador de telemetría sintética orbital de alta precisión para superar las limitaciones de la simulación estática. Con datos variados y realistas, aplicamos algoritmos no supervisados de Scikit-Learn (K-Means e Isolation Forest), clasificando de forma autónoma tres tipos de biomas terrestres (océanos, vegetación fértil y nubes) e identificando anomalías magnéticas compatibles con la SAA, consolidando la rama de Ciencia de Datos para la memoria final de la ESA.
En la novena entrega del proyecto BermejaPi, ampliamos el alcance de nuestro script de vuelo incorporando la medición del campo magnético terrestre a través del magnetómetro triaxial del Sense HAT. Mediante el cálculo del vector total en microteslas ($\mu\text{T}$), el sistema registra fluctuaciones geofísicas en la magnetosfera a $400\text{ km}$ de altitud, permitiendo detectar regiones de baja intensidad como la Anomalía del Atlántico Sur (SAA) y combinando física espacial con observación óptica terrestre en un único dataset estructurado.
En esta octava entrega del proyecto BermejaPi, integramos el análisis de vegetación terrestre mediante el índice visible VARI (Visible Atmospherically Resistant Index) dentro de nuestro script de vuelo para la ESA. Esta técnica permite cuantificar la biomasa y salud de la cubierta vegetal en pasos continentales utilizando únicamente la cámara RGB de la ISS, registrando la densidad de clorofila y el porcentaje de suelo fértil en tiempo real sobre el archivo CSV de telemetría junto a las métricas de albedo y velocidad orbital.
Saber Básico A.1.2: Estructuras de control condicionales e iterativas. Estructuras de datos en Python. 🚦 1. Control del Flujo: Condicionales y Lógica Booleana Las estructuras condicionales permiten bifurcar la ejecución de un programa en función de la evaluación booleana (True …
📌 Saber Básico A.2: Conceptos de instrucción y secuenciación, algoritmo vs. código Ayer, en la entrada de Python, ya adelantamos las definiciones rápidas de instrucción, secuenciación, algoritmo y código como conceptos fundamentales. Hoy nos detenemos específicamente en ellas, porque este …
Continuación del Saber A.1 — ayer vimos la Sociedad de la Información/del Conocimiento y sus exponentes (redes sociales, e-commerce, publicidad, creatividad digital, protección de datos). Hoy cerramos los puntos 3 y 4: cómo esa transformación digital cambia el mercado laboral, …
1. De la conexión bloques-texto a construir desde cero En el A.1 aprendiste que un bloque y una línea de código de texto son la misma lógica escrita de dos formas distintas. Pero en la vida real nadie te da el …
1. Recordatorio: de por qué a qué En el A.1 vimos por qué usamos programación por bloques: evita errores de sintaxis, es rápida de aprender, pero no escala bien en proyectos grandes y no es el estándar profesional. Hoy vamos a abrir …