Construimos un sonar con un sensor ultrasónico, un zumbador y un LED en la ESP32 Plus: cuanto más cerca está un objeto, más deprisa pita.
Aprendemos qué es un pin, conectamos un LED al pin 5 de la esp32 y lo programamos con bloques de ACECode, practicando antes en un simulador.
Instalamos ACECode, conectamos la esp32 acebott y programamos con bloques una placa que dice Hola por el puerto serie, practicando antes en un simulador del navegador.
Cambiamos los ejemplos con los que aprende una IA y vemos cómo falla con los grupos que no conoce. Un simulador paso a paso sobre el sesgo en los datos.
Clasificamos palabras nuevas mirando a sus vecinas más cercanas: la IA deja que voten y decide su grupo. Un simulador en 2D y 3D, y el mismo método en Python. Vecino más cercano kNN.
Convertimos palabras en vectores de tres números y medimos su distancia para ver qué palabras se parecen. Un mapa interactivo y un cálculo en Python, paso a paso. Usamos word embeddings.
Calculamos cuántos grupos tiene sentido pedir a k-medias con el método del codo: medimos la inercia para cada k y buscamos el punto donde la curva deja de caer deprisa.
Agrupamos lecturas de temperatura y humedad sin saber de dónde vienen. Aprendemos a igualar escalas, usar k-medias y comprobar el resultado. Los datos son simulados.
Agrupamos cien colores con machine learning sin decirle al ordenador cuáles son. Aprendemos el método k-medias y por qué el número de grupos lo decidimos nosotros.
El Lince y la Gata Montesa te enseñan dónde encontrar recursos libres de derechos: imágenes, sonidos, vídeos y textos con licencia abierta, y cómo citarlos bien.