Publicado por Oscar Gonzalez
en Arduino
el 26/07/2021
A estas alturas ya hemos visto muchos proyectos y ejemplos que utilizan Machine Learning de alguna manera, pero rara vez se ve algún ejemplo práctico que pueda ser útil en la vida diaria. Éste proyecto de Samuel Alexander utiliza un Arduino BLE Sense junto con la librería TensorFLow Lite Micro, una versión minimizada que funciona en microcontroladores. De ésta manera puede analizar los diferentes tipos de movimientos en el tenis de mesa y mediante análisis automático, predecir si lo está haciendo bien o mal.
Leer más
Scikit-learn es una biblioteca de Python de código abierto para el aprendizaje automático o Mahcine Learning. La librería soporta algoritmos de como KNN, XGBoost, bosque aleatorio, SVM entre otros.
Está construido sobre Numpy y ayuda en el preprocesamiento, clasificación, la regresión y la agrupación y la selección de modelos entre otros
Leer más
La potencia y flexibilidad de Node-Red está más que clara y si todavía no conoces el sistema, te recomiendo encarecidamente que te pongas a ello. Node-Red permite crear una gran variedad de aplicaciones mediante bloques con una mínima o nula programación. Cada bloque tiene una funcionalidad y con eso, te permite ampliar sus funcionalidades casi hasta el infinito.
Una funcionalidad muy interesante es utilizar TensorFlow, la librería que permite crear modelos de Machine Learning así poder por ejemplo reconocer todo tipo de objetos y actuar en consecuencia. Esto lo podrás utilizar tanto en una Raspberry Pi o incluso en una NVIDIA Jetson Nano. En el vídeo que te dejo a continuación, podrás ver en detalle cómo se instala y sobre todo cómo se utiliza dentro de Node-Red.
Leer más
Los sistemas de reconocimiento de imágenes con machine learning son muy interesantes para todo tipo de aplicaciones, especialmente un sistema que es muy efectivo llamado YOLOv2, que son las siglas de "You Only Look Once" (solo miras una vez). La gran diferencia de éste sistema comparado con otros, es que solo se analiza la imagen una sola vezy eso hace que sea muy rápido. En otros sistemas se analiza la misma imagen varias veces, normalmente una vez por cada objeto detectado, y eso hace que se vuelta todo mucho más lento de procesar del punto de vista computacional. Existe además un dataset llamado COCO, siglas de "Common Objects in Context" que contiene los datos ya entrenados de una enorme cantidad de objetos, animales y personas que podemos utilizar junto a YOLOv3.
A continuación os dejo un simpático proyecto que utiliza todo esto para detectar si un perro pasa por delante de su ventana. También os dejo el enlace al código de ejemplo del proyecto en Github.
Leer más
Pero que todavía no cunda el pánico entre los programadores... ya que el nuevo modelo de Inteligencia Artificial de OpenAI llamado GPT-3 es mucho más que eso. Por qué hay tanto revuelo alrededor de éste nuevo método? Pues resumiéndolo mucho (pero mucho, mucho), es un modelo que no está entrenado para algo específico, sino que es de caracter general, aunque entrenado principalmente para la generación de textos. Su nombre GPT-3 son las siglas de Generative Pre-Trained Transformer 3 y es un modelo entrenado con más de 5000 millones de páginas web de diversas temáticas. De esta forma, aunque en teoría no ha entendido nada de lo que ha "aprendido", es capaz de responder a preguntas en lenguaje natural entre otras muchas cosas chulas. En el vídeo que os dejo a continuación se explica y muestra un ejemplo de tipo chatbot bastante acojonante...
Leer más
