Ejemplos de Python

Programa para Google Colab que realice este proceso: tomar una imagen de una URL, analizarla para generar una descripción en texto, y luego mostrar tanto la imagen como el texto generado. Para esto, usaremos la biblioteca transformers de Hugging Face y PIL para cargar y visualizar la imagen. Este programa usará el modelo BLIP (Bootstrapping Language-Image Pretraining), que es muy efectivo para tareas de generación de descripciones de imágenes. # Instalar Hugging Face Transformers y TorchVision si aún no están instalados !pip install -q transformers torch torchvision # Importar las bibliotecas necesarias import torch from transformers import BlipProcessor, BlipForConditionalGeneration from PIL import Image import requests from io import BytesIO import matplotlib.pyplot as plt # Función para cargar la imagen desde una URL y convertirla en el formato necesario def cargar_imagen(url):     response = requests.get(url)     image = Image.open(BytesIO(response.content)).conv...

BLOQUE 3. FUNDAMENTOS DA IA SENSORIZACIÓN E ACTUACIÓN_4ºESO (_pagina 75 _Sesion1_Cefo_Inteligencia Artificial para la sociedad_2024) Vídeo sinxelo para os estudantes cos conceptos básicos da visión artificial:   Recurso: code.org https://www.youtube.com/watch?v=2hXG8v8p0KM&t=327s Google Cloud Vídeo sinxelo para os estudantes sobre a visión humana e a visión artificial Recurso: Google Cloud (Poner subtítulos traducción automática Español) https://www.youtube.com/watch?v=OcycT1Jwsns ........ BLOQUE 3. FUNDAMENTOS DA IA REPRESENTACIÓN E RAZONAMENTO Representación e razoamento Tabla de código ASCII https://elcodigoascii.com.ar/codigos-ascii-extendidos/signo-centavo-centimo-centesimo-codigo-ascii-189.html TABLA DE IBM tabla para pasar de ASCII a binario, palabras https://www.ibm.com/docs/es/aix/7.1?topic=adapters-ascii-decimal-hexadecimal-octal-binary-conversion-table Link directo de CyberChef Pasar a las recetas(al medio) TO binary(lo escribes y lo arrastras), escribir en inpu...

Recursos para IA Videos .mp4 para googlecolab ejercicio 6 Lo usa en seguimiento de objetos_ object traccking de Fran Puentes googleColab solo admite videos .mp4 https://www.pexels.com/es-es/ pixabay, también hay música gratis para openshot, .mp3 También unsplash descargas fotos, wal, uso gratuito bajo licencia unsplash Imagenes Con IA https://www.freepik.es/ José Loureiro canal you tube: openShot, Gimp......

  Aquí te dejo   algunas plataformas que SÍ generan videos a partir de un prompt de texto   (como: "Haz un video de un perro aprendiendo a leer") y que tienen   versiones gratuitas : 🧠  Páginas de IA generativa de video (gratis y sin pagar): 1.  Pika Labs  ( https://pika.art ) ⚡ IA generativa de video real, solo necesitas escribir un prompt. 🎨 Puedes pedir cosas como:  “Un gato volando en un globo en un cielo rosado” . 👦 Ideal para creatividad con niños. ✅ Gratis (necesitas crear cuenta, pero no tarjeta). 📽️ Algunos videos duran solo unos segundos. 2.  Runway ML (Gen-2)  ( https://runwayml.com ) 🔥 Muy popular para generar videos a partir de texto o imágenes. ✏️ Puedes escribir un prompt como  “Una mariposa mecánica volando sobre flores” . ✅ Plan gratuito (hasta unos minutos de video por mes). 🎓 Ideal para explorar en clases. 3.  Kaiber  ( https://www.kaiber.ai ) 🎥 Transforma texto o imágenes en animaciones y clips. ...

José Loureiro  tutorial Open Shot (TAMBIÉN TIENE TUTORIALES DE GIMP) (Ver libreta ) En pixabay y freepik hay videos gratis para descargar  SI GRABAN VIDEOS EN MÓVIL CON CONECTOR NUEVO,  q no puedes conectar con cable a la torre,  PARA PASAR los videos A LA TORRE rápidamente: POR EJEMPLO DE DURACION DE 1.20 MINUTOS O MENOS CON WIFI YA TE LOS SUBE A DRIVE PARA DESCARGARLOS Y PASAR A OPENSHOT en segundos  . También puedes subir a openshot audios con tu voz  grabados en móvil Android extensión  . M4a Grabas con móvil, los subes a drive con wifi y los descargas en el ordenador si no tienes conector para la torre desde l móvil nuevo.  Tutorial Tutorial 1  https://youtu.be/3Vh5XjYEl9A?si=Sf2pqZG8cE32Sabm   Tutorial 2 https://youtu.be/yRIUJEgkXuY?si=IZwxPSV66UQhhIUw Tutorial 3  https://youtu.be/mQMf7nbx4is?si=jZHUhuEMc9BaO_Sk Hay tutorial 4 Tutoriales openshot  jose loureiro  buenos. Explicación en libreta verde

 https://www.youtube.com/watch?v=oh0gqEFiCc0 https://www.youtube.com/watch?v=oh0gqEFiCc0 tutorial Javier Mulet Pradera libreCad Si desaparece la linea de comandos: arriba, en el menú superior:En Widgets--->Docs  Widgets----->linea de comandos. DAR A ENTER cuando estás usando una herramienta CORTAR LINEA (U OTRA) COMO EN MINUTO 12,      para que la linea de comandos te pida la siguiente opción para    GIRAR, RECORTAR, PUNTO DE GIRO , PUNTO DE REFERENCIA..... para terminar la operación. En Herramientas ( A LA IZQUIERDA, OCTAVA OPCIÓN): recortar,  mover y rotar girar SIMETRÍA Utilizar las cinco primeras herramientas  y  RECORTAR (MINUTO 13 DEL VIDEO ) Y ESTIRAR. EN LA PRIMERA HERRAMIENTA, LINEA, está la  OPCIÓN DE POLÍGONO, DIBUJAR ESTRELLA CON VARIAS PUNTAS. MÁS clik en menú  EDITAR COPIAR Y EDITAR PEGAR, (COMO w_a) después de seleccionar la pieza. Más menú EDITAR:     PUNTERO    SELECCIÓN...

  Te explico cómo usar estos ejemplos en clase: Primera Clase: "La IA Aprende Patrones" Usa el primer ejemplo para mostrar cómo la IA puede aprender patrones numéricos Pide a los estudiantes que adivinen qué patrón está aprendiendo la IA Déjales modificar los números para crear sus propios patrones Segunda Clase: "Emociones y Máquinas" Utiliza el clasificador de emociones para introducir el concepto de clasificación Propón que añadan más emojis y emociones Discutan sobre cómo las máquinas pueden "entender" emociones Tercera Clase: "IA Creativa" Usa el generador de historias para mostrar cómo la IA puede ser creativa Pide que modifiquen las plantillas para crear diferentes tipos de historias Discutan los límites entre creatividad humana y artificial # Sesión 1: Introducción a la IA con Números # ¡Adivina el número que estoy pensando! #celda 1 import random import numpy as np from sklearn.linear_model import LinearRegressi...

https://colab.research.google.com/  tener abierto el gmail Opción 1: Convertir online Puedes usar herramientas en línea que te permiten convertir archivos .m4a a .wav sin instalar software adicional: Online Audio Converter : Es una herramienta sencilla para convertir archivos de audio entre diferentes formatos, incluido .m4a a .wav . Sube tu archivo .m4a . Selecciona el formato de salida como .wav . Descarga el archivo convertido. Convertio : Este sitio también permite convertir archivos .m4a a .wav de forma gratuita. Arrastra o selecciona tu archivo .m4a . Elige el formato de salida .wav . Descarga el archivo convertido. Primero grabé con el móvil, da .m4a y luego usé el primer ejemplo ( Online Audio Converter ) para el ejercicio de Fran Cuesta Ejercicio 9 De audio a texto y viceversa.ipynb. Solo funcionaba con .wav Correos con archivo noruega.m4a   y noruega.wav 25 10 2024 Pasado ya  a noruega.wav

https://www.iberdrola.com/innovacion/vision-artificial  https://revistacentrozaragoza.com/lidar-o-camaras-la-vision-de-los-vehiculos-autonomos/ Radiofrecuencia: video emisor y receptor   https://youtu.be/i1mpbQbcaeE?si=LDpIoVf-fIgPnO5J Es un buen video de radiofrecuencia   C)Radar y radiofrecuencia   wikipedia   https://es.m.wikipedia.org/wiki/Radiofrecuencia

 https://huggingface.co/docs/transformers/main/tasks/semantic_segmentation https://huggingface.co/docs/transformers/main/tasks/semantic_segmentation segementación de imágenes PERFECTAS EXPLICACIONES EN CASTELLANO TRADUCIDO DIRECTAMENTE  huggingface Hay más ejemplos en carballalrosales@gmail.com google colab perfecto

  de juan francisco puentes: # prompt: Dada una imagen referenciada mediante una url, muestra la imagen y lleva a cabo una estimación de pose usando yolo v8. ! pip -q install ultralytics from ultralytics import YOLO from PIL import Image import requests import cv2 from io import BytesIO def estimate_pose ( image_url ):   response = requests.get(image_url)   image = Image. open (BytesIO(response.content))   display(image)   model = YOLO( 'yolov8x-pose.pt' )   results = model(image)   return Image.fromarray(cv2.cvtColor(results[ 0 ].plot(boxes= False , labels= False , probs= False ), cv2.COLOR_BGR2RGB)) # Ejemplo de uso image_url = 'https://raw.github.com/FranPuentes/iTI2025/main/data/wheelchair-person.jpg' img=estimate_pose(image_url) img

  # prompt: Dada una imagen referenciada mediante una url, muestra los landmarks de las caras que aparezcan en ellas. import numpy as np # Instalar las librerías necesarias ! pip install -q mediapipe opencv-python # Importar las librerías import cv2 import mediapipe as mp import urllib.request from google.colab.patches import cv2_imshow # Inicializar el detector de caras mp_face_mesh = mp.solutions.face_mesh face_mesh = mp_face_mesh.FaceMesh(static_image_mode= True , max_num_faces= 2 ) # Definir la URL de la imagen url = 'https://previews.123rf.com/images/warrengoldswain/warrengoldswain1610/warrengoldswain161000017/64945843-la-colecci%C3%B3n-completa-de-las-caras-reales-gente-divertida-que-hace-expresiones-tontas.jpg' # Leer la imagen desde la URL with urllib.request.urlopen(url) as response:   image = response.read() # Convertir la imagen a un array NumPy image = cv2.imdecode(np.frombuffer(image, np.uint8), -1 ) # Detectar los landmarks de las caras results = face_m...

Mira esto primero:  https://huggingface.co/docs/transformers/main/tasks/monocular_depth_estimation hay más ejemplos en esta página, te manda ir Fran Puentes Calvo https://github.com/FranPuentes/iTI2025/blob/main/08%20depth%20estimation.ipynb en el ejercicio 8 estimación de profundidad pip install -q -U transformers Funciona en Google Colab Puedes poner otra url de otra fotografia Detección de bordes, ejemplo 4 Fran Puentes, operaciones básicas con imágenes # prompt: Dada una imagen, dada mediante una url, aplicar un filtro de convolución para detectar los bordes. Si tiene más canales, aplícalo a cada canal y luego juntalo de nuevo.Representa también el filtro como una imagen. Usa la librería skimage. from skimage.io import imread from skimage.color import rgb2gray from skimage.filters import sobel from skimage import img_as_ubyte import matplotlib.pyplot as plt # URL de la imagen (pixabay) url = "https://raw.githubusercontent.com/FranPuentes/iTI2025/main/data/joven.p...

Francisco Puentes, ejercicio de detección de emociones. Puedes variar la url de la imagen. # prompt: Dada una imagen referenciada mediante una url, muestra los landmarks de las caras que aparezcan en ellas. import numpy as np # Instalar las librerías necesarias !pip install -q mediapipe opencv-python # Importar las librerías import cv2 import mediapipe as mp import urllib.request from google.colab.patches import cv2_imshow # Inicializar el detector de caras mp_face_mesh = mp.solutions.face_mesh face_mesh = mp_face_mesh.FaceMesh(static_image_mode=True, max_num_faces=2) # Definir la URL de la imagen url = "https://img.europapress.es/fotoweb/fotonoticia_20150331134913-15031252349_600.jpg" # Leer la imagen desde la URL with urllib.request.urlopen(url) as response:   image = response.read() # Convertir la imagen a un array NumPy image = cv2.imdecode(np.frombuffer(image, np.uint8), -1) # Detectar los landmarks de las caras results = face_mesh.process(image) # Dibujar los landmarks ...

IMPORTANTE_Ejemplos de Google Colab, notebook, tienes que tener cuenta en Google. Un uso común de los cuadernos es la visualización de datos mediante gráficos. Colaboratory facilita esta tarea con varias herramientas de creación de gráficos disponibles como importaciones de Python.  https://colab.research.google.com/notebooks/charts.ipynb  https://colab.research.google.com/notebooks/charts.ipynb Entras en tu cuenta en Google Colab (valen las de gmail) Están todos los ejemplos en EL APARTADO CIENCIA DE DATOS. Puedes llevar estos ejemplos a Jupiter notebook

# Importar bibliotecas necesarias import numpy as np import matplotlib.pyplot as plt # Datos de ejemplo x = np.linspace(0, 10, 100) y = np.sin(x) # Crear gráfico de líneas plt.figure(figsize=(10, 6)) plt.plot(x, y, label='Seno', color='blue') plt.title('Gráfico de Líneas del Seno') plt.xlabel('X') plt.ylabel('Seno(X)') plt.legend() plt.grid() plt.show() GRÁFICO DE DISPERSIÓN # Importar bibliotecas necesarias import numpy as np import matplotlib.pyplot as plt # Datos de ejemplo x = np.random.rand( 100 ) y = np.random.rand( 100 ) # Crear gráfico de dispersión plt.figure(figsize=( 10 , 6 )) plt.scatter(x, y, color= 'red' ) plt.title( 'Gráfico de Dispersión' ) plt.xlabel( 'Eje X' ) plt.ylabel( 'Eje Y' ) plt.grid() plt.show() Cómo Usar en Google Colab Abre Google Colab. Crea un nuevo notebook. Copia y pega cada uno de estos bloques de código en celdas diferentes y ejecútalos. (Le llama celda a donde pegas todo el pr...