Decimocuarta entrega de BermejaSat: test dedicado del módulo GPS GY-NEO6MV2 en la Heltec V3.2. Solución de alimentación a 5V, decodificación con TinyGPS++, OLED en fuente uniforme y Estación Terrena en Python
Decimotercera entrega de BermejaSat: realización del ensayo telemétrico por cable (Tethered Test). Incluye la calibración del punto cero de altitud en la Heltec V3.2, renderizado OLED en tamaño uniforme, envío USB-Serie y la Estación Terrena en Python con gráficas y Caja Negra.
Duodécima entrega de BermejaSat: implementación integral del sistema de telemetría usando ESP-NOW a 2.4 GHz. Incluye emisor CanSat con BMP280 y pantalla OLED completa, receptor hardware y Estación Terrena en Python con gráficas y Caja Negra CSV.
Novena entrega de BermejaSat: implementamos el registro automático de telemetría en archivos CSV en tiempo real mediante Python. Un sistema de “caja negra” en la Estación Terrena para garantizar la persistencia de los datos del CanSat.
Octava entrega de BermejaSat: creamos una Estación Terrena gráfica en Python utilizando Matplotlib y PySerial. Implementamos un simulador Hardware-in-the-Loop (HIL) en la placa ESP32 para visualizar el descenso del CanSat en tiempo real.
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 Llevamos tres entradas observando cómo se recupera Sierra Bermeja desde el espacio: primero vimos las imágenes, luego extrajimos la serie temporal completa de NBR, y después comprobamos si la lluvia acelera esa recuperación. Ahora toca una pregunta que todo …
Descubre cómo la técnica ‘Piensa paso a paso’ (Chain-of-Thought) altera la precisión real de un LLM en problemas de lógica y matemáticas. Incluye la guía didáctica de la Línea Péter del Proyecto PINSAPIA y la aplicación completa en Python con FastAPI y LM Studio en el puerto 8094.
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.