Proyecto de planificación estructurada para Agentes de IA desarrollado con FastAPI y LM Studio local para el IES Monterroso (MonteSteam / AIDARAC). Basado en los principios del Spanning Tree Protocol de Radia Perlman, esta aplicación enseña cómo descomponer objetivos complejos en secuencias lógicas de acciones evitando bucles infinitos.
Proyecto práctico de síntesis de voz 100% local y offline desarrollado con Piper TTS y FastAPI para el IES Monterroso (MonteSteam / AIDARAC). Inspirado en la pionera del sonido electrónico Delia Derbyshire, este ejercicio aborda la tecnología de texto a voz desde la perspectiva de la accesibilidad universal y el funcionamiento de los lectores de pantalla.
El Proyecto Rosalind Franklin compara dos imágenes con un VLM local y dice qué ha cambiado entre ellas — plantas, circuitos, experimentos — con imágenes de prueba reales de la NASA incluidas.
Descubre el Proyecto Margaret Watts Hughes, un sistema de transcripción de voz (Speech-to-Text) y resumen inteligente de audio con IA 100% local. Desarrollado dentro de las iniciativas MonteSteam y AIDARAC del IES Monterroso, este proyecto enseña al alumnado a procesar notas de voz, generar actas automáticas de reunión y extraer listas de tareas con FastAPI y Qwen 2.5 en el puerto 8048, honrando a la pionera británica que inventó el eidófono y las primeras figuras geométricas de la voz.
Aprende a implementar el Proyecto Ingrid Daubechies, un sistema de RAG Vectorial y búsqueda semántica local sobre PDFs y documentos de texto utilizando FastAPI, Uvicorn y LM Studio. Desarrollado dentro de las iniciativas MonteSteam y AIDARAC del IES Monterroso, este proyecto enseña al alumnado a procesar información mediante embeddings (nomic-embed-text) y similitud del coseno, logrando respuestas precisas, 100% privadas y sostenibles sin depender de APIs en la nube.
Ponemos a prueba a BUOLAMWINI con varios pares de nombres y variables, y una prueba de repetición, antes de usarlo en el aula.
Montamos BUOLAMWINI, un auditor de sesgo mínimo que pregunta a la IA la misma decisión dos veces, cambiando solo un nombre, para comprobar si responde igual.
Ponemos a prueba a RAJI con tres casos —correcto, incorrecto y ambiguo— y una prueba de consistencia, antes de llevarlo al aula.
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.