Una webapp que carga un modelo de Teachable Machine desde tu propia carpeta, analiza una foto en el móvil y dice si hay obstáculos, sin enviar nada a la nube.
Teachable Machine para detectar obstáculos: vacío, camino y obstáculos. Luego se exporta para Tensorflow.js y seguimos.
En el Día Mundial de la Investigación en Cáncer, MONTESTEAM explora tres aplicaciones educativas de la Inteligencia Artificial y la ciencia de datos con datasets reales sobre tumores cerebrales, cáncer de pulmón y cáncer de piel. Una experiencia para aprender a clasificar imágenes, analizar datos y, sobre todo, comprender que la IA es una herramienta de apoyo a la investigación, no un sustituto del trabajo científico.
Culminamos el Proyecto Peridotita con la integración de los datos de Inteligencia Artificial en un entorno interactivo 3D en Google Earth. Resumen final del pipeline científico y balance de superficie para Climate Detectives (ESA).
Integramos los umbrales de Inteligencia Artificial aprendidos en Python dentro de Google Earth Engine. Generamos el Mapa de Vulnerabilidad Global de Sierra Bermeja a 10 metros de resolución, cuantificamos las hectáreas en riesgo alto, medio y bajo, y presentamos nuestras propuestas de actuación ambiental para el proyecto Climate Detectives.
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.
Damos el salto a la Inteligencia Artificial aplicada. Descubre cómo automatizamos con Google Earth Engine la generación de un dataset de 312 teselas satelitales de Sierra Bermeja y cómo usarlas en LearningML o Teachable Machine para crear un sistema experto que evalúa la regeneración del bosque.
En el marco de las iniciativas MonteSTEAM y AIDRAC del IES Monterroso, presentamos el Proyecto Borg: una actividad de cibereducación que rinde homenaje a la informática Anita Borg. La aplicación contrapone un clasificador de spam clásico (Naive Bayes con Scikit-Learn) a un LLM local (Qwen) en el puerto 8082, permitiendo al alumnado comprobar con datos reales de latencia e interpretabilidad que el modelo más grande y caro no siempre es la mejor solución de ingeniería.
Aprende a construir el Proyecto Cavendish: una arena de debate multi-agente para modelos de lenguaje (LLM) desarrollada en un solo archivo Python (app_cavendish.py). Inspirada en Margaret Cavendish —autora de la primera novela de ciencia ficción en 1666—, esta aplicación combina un servidor FastAPI en el puerto 8062 con una interfaz web interactiva para simular confrontaciones dialécticas entre IAs con intervención humana en tiempo real (Human-in-the-Loop).
Descubre cómo la Inteligencia Artificial permite transformar notas desordenadas, incidencias de aula y reportes de errores en datos JSON estructurados. Un proyecto práctico inspirado en el legado de Ada Lovelace que muestra el poder de la automatización y la ingeniería de prompts para convertir el caos informal en información totalmente procesable.