Damos el salto al código en Python con Google Colab. Entrenamos un modelo de visión por computador mediante Transfer Learning (MobileNetV2) para clasificar el estado de Sierra Bermeja y analizamos su matriz de confusión.
Damos el salto de la observación satelital a la Inteligencia Artificial. Exportamos datos multivariable de Google Earth Engine a Google Colab y entrenamos un Árbol de Decisión con Python (scikit-learn) para predecir los niveles de riesgo de desertificación en Sierra Bermeja. Desgranamos paso a paso el significado científico de cada parámetro del modelo dentro del proyecto Climate Detectives.
Introducción El programa Climate Detectives de la Agencia Espacial Europea (ESA) no se conforma con observar el bosque desde el espacio: exige conectar lo que ve el satélite con las variables climáticas que explican lo que está pasando en el …
Introducción El análisis de la regeneración vegetal en áreas afectadas por grandes incendios forestales requiere datos satelitales precisos, continuos y cuantitativos. Dentro del marco del proyecto escolar Climate Detectives de la Agencia Espacial Europea (ESA), nuestro equipo en el IES …
Entrada para el Blog del Proyecto 🌍 Sierra Bermeja: Un tesoro ecológico amenazado por el fuego Sierra Bermeja (Málaga) es una de las joyas geológicas y botánicas más singulares de Europa. Su suelo, compuesto por rocas peridotitas ricas en metales …
Descubre si los modelos de lenguaje son neutros o reproducen estereotipos con la Línea Gebru de PINSAPIA. Incluye una guía de auditoría algorítmica para el alumnado basada en plantillas parametrizadas y análisis léxico determinista en Python en el puerto 8091.
Explora cómo generan texto los modelos de lenguaje en «El adivino de la siguiente palabra», una aplicación interactiva del Proyecto PINSAPIA (Línea Lamarr) desarrollada en el IES Monterroso dentro de los marcos MonteSTEAM y AIDARAC. Mediante peticiones autorregresivas (max_tokens=1 y logprobs) sobre FastAPI en el puerto 8084, el alumnado visualiza paso a paso el ranking de probabilidad de las palabras candidatas, comprendiendo en directo el origen real de la temperatura, la creatividad y las alucinaciones en los LLM.
IES Monterroso · MonteSteam / AIDARAC Módulo de Ciberseguridad e Inteligencia Artificial | Puerto 8061 📌 1. Introducción: De los IDS Clásicos al Escudo de LLMs En la historia de la ciberseguridad, Dorothy Denning es una figura fundamental: en 1986 …
Montamos RAJI, un proyecto mínimo donde un segundo modelo local hace de profesor corrector: evalúa si una respuesta es correcta y clara, y explica por qué, sin notas numéricas.
Aprende a construir el Proyecto Katie Bouman, una solución de RAG Multimodal y visión por computador 100% local con FastAPI, Uvicorn y LM Studio. Desarrollado en el marco de las iniciativas MonteSteam y AIDARAC en el IES Monterroso, este sistema permite al alumnado analizar esquemas técnicos, circuitos y gráficas de laboratorio en el aula de forma privada, eficiente y sin costes de API.