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.
Aprende a construir un sistema RAG (Generación Aumentada por Recuperación) 100% local, gratuito y privado utilizando FastAPI, Python y LM Studio. Explicamos paso a paso cómo conectar una base de datos en CSV con un LLM local para responder preguntas sin alucinaciones, analizando desde la búsqueda por similitud coseno hasta la optimización de prompts en el aula.
Primera sesión del Proyecto Karen Spärck Jones: comparación práctica en Python entre la búsqueda literal de palabras (BM25) y la búsqueda semántica por vectores de significado (embeddings), analizando y enfrentando sus resultados sobre el corpus real de AIDARAC mediante consola e interfaz web.
Sesion final del Proyecto Rachael Tatman: se entrena un Random Forest sobre las propiedades acusticas del dataset Gender Recognition by Voice, se leen la matriz de confusion y el classification_report, y se conecta el excelente resultado obtenido con la historia real de sesgo de genero en el reconocimiento de voz de Google que investigo Rachael Tatman en 2016.
Sesion 2 del Proyecto Rachael Tatman: analisis visual con boxplots de las propiedades acusticas meanfun y meanfreq para comprobar si separan bien las voces masculinas de las femeninas, y preparacion del reparto de entrenamiento y prueba con train_test_split.
Sesion 1 del Proyecto Rachael Tatman, centrado en el sesgo de genero en el reconocimiento de voz: presentacion de la investigadora Rachael Tatman y su hallazgo real sobre el reconocimiento de voz de Google, y carga del dataset Gender Recognition by Voice de Kaggle, ya balanceado y con las propiedades acusticas precalculadas.
Sesion final del Proyecto Florence Nightingale: se visualiza la evolucion mensual de muertes por enfermedad, heridas y otras causas durante la guerra de Crimea, se identifica el punto de inflexion tras la llegada de la Comision Sanitaria en 1855, y se reconstruye una version simplificada del famoso diagrama de la rosa de Nightingale con matplotlib en coordenadas polares.
Sesion 1 del Proyecto Florence Nightingale, un mini proyecto de solo dos sesiones centrado en visualizacion de datos en vez de clasificacion: presentacion de la pionera de la estadistica britanica y carga directa (sin descarga) de sus datos reales de mortalidad de la guerra de Crimea, con una primera comparacion simple entre muertes por enfermedad y por heridas de combate.
Sesion final del Proyecto Katy Payne: se entrena un Random Forest sobre los MFCC de gatos y perros, se lee la matriz de confusion 2×2 y el classification_report, y se comparan los resultados con los del Proyecto Laennec para mostrar como el desequilibrio y el numero de clases afectan al rendimiento de un modelo.