Spaces:
Running
Running
File size: 14,830 Bytes
6676164 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 |
<!DOCTYPE html>
<html lang="es">
<head>
<meta charset="utf-8" />
<meta name="viewport" content="width=device-width, initial-scale=1" />
<meta name="description" content="Informe académico sobre Inteligencia Artificial Intermedia">
<meta name="keywords" content="IA, PLN, AWS, Hugging Face, Análisis de Sentimientos">
<meta name="author" content="Martha Lasso Collantes, Jorge Enrique Barón">
<title>Informe de Clase – IA (G120L2 v3.2)</title>
<style>
:root { --bg: #f7fafc; --card:#ffffff; --text:#1a202c; --muted:#4a5568; --accent:#2563eb; --accent-2:#059669; --border:#e2e8f0; --link:#2563eb; }
[data-theme="dark"] { --bg: #0b0d10; --card:#12161b; --text:#e8edf2; --muted:#9fb3c8; --accent:#4fb3ff; --accent-2:#7cf29c; --border:#1e252d; --link:#62d0ff; }
html,body { margin:0; background:var(--bg); color:var(--text); font-family: system-ui, sans-serif; scroll-behavior: smooth; }
nav { position:fixed; top:0; left:0; bottom:0; width:250px; background:var(--card); border-right:1px solid var(--border); padding:20px; z-index:100; }
main { margin-left:260px; padding:20px; max-width:1100px; }
h1,h2,h3 { margin-top:0; }
.card { background:var(--card); border:1px solid var(--border); border-radius:12px; padding:16px; margin:16px 0; transition: all 0.3s ease; }
.card:hover { transform: translateY(-2px); box-shadow: 0 8px 25px rgba(0,0,0,0.1); }
.banner { margin:16px 0; border-radius:12px; overflow:hidden; border:1px solid var(--border); }
.btn { display:inline-block; padding:8px 14px; margin:6px 0; border-radius:10px; border:1px solid var(--border); background: var(--accent); color:#fff; text-decoration:none; transition: all 0.3s ease; }
.btn:hover { transform: translateY(-1px); box-shadow: 0 8px 20px rgba(37,99,235,.25); }
.toc a { display:block; margin:6px 0; text-decoration:none; color:var(--link); padding:4px 8px; border-radius:6px; transition: all 0.2s ease; }
.toc a:hover { background: rgba(37, 99, 235, 0.1); }
.toc a.active { font-weight:bold; background:var(--accent); color:white; }
.grid2 { display:grid; grid-template-columns:1fr 1fr; gap:24px; }
@media (max-width:900px) { .grid2 { grid-template-columns:1fr; } main{ margin-left:0; } nav{ position:static; width:auto; height:auto; } }
.footer { font-size:14px; color:var(--muted); margin-top:20px; text-align:center; padding-top:20px; border-top:1px solid var(--border); }
body.focus nav { display:none; } body.focus main { margin-left:0; }
p, li { line-height:1.6; } section { margin-bottom:2rem; }
.demo-card { background:var(--bg); padding:1rem; margin:1rem 0; border-radius:8px; border-left:4px solid var(--accent); }
.demo-card h3 { margin-top:0; color:var(--accent); }
.back-to-top { position:fixed; bottom:20px; right:20px; padding:10px 15px; border-radius:50%; background:var(--accent); color:white; border:none; cursor:pointer; display:none; z-index:1000; }
.back-to-top:hover { transform:translateY(-2px); }
.narrador-controls { margin-top:10px; padding:10px; background:var(--bg); border-radius:8px; }
.narrador-controls label { display:block; margin-bottom:5px; font-size:0.9rem; }
.narrador-controls input[type="range"] { width:100%; }
@media print { nav, .btn, .back-to-top { display:none !important; } main { margin-left:0 !important; } .card { border:1px solid #000 !important; } a::after { content:" (" attr(href) ")"; } }
</style>
</head>
<body>
<nav role="navigation" aria-label="Navegación principal">
<h2>Secciones</h2>
<div class="toc">
<a href="#intro" class="active">Introducción</a>
<a href="#obj">Objetivos</a>
<a href="#temas">Temas vistos</a>
<a href="#ejercicios">Ejercicios</a>
<a href="#herramientas">Herramientas</a>
<a href="#como">Cómo se logró</a>
<a href="#creditos">Créditos</a>
</div>
<div style="margin-top:20px;">
<button onclick="toggleTheme()">🌗 Tema</button>
<button onclick="toggleFocus()">🎤 Presentación</button>
</div>
<div class="narrador-controls">
<div style="margin-top:10px;">
<button onclick="leerSeccion()">🔊 Leer sección</button>
<button onclick="detener()">⏹️ Detener</button>
</div>
<label for="velocidad">Velocidad: <span id="valor-velocidad">1x</span></label>
<input type="range" min="0.5" max="2" step="0.1" value="1" id="velocidad">
</div>
</nav>
<main role="main">
<header role="banner">
<h1 id="main-title">Informe de Clase IA – Versión 3.2</h1>
<!-- BANNER CORREGIDO - TÍTULO COMPLETO -->
<div class="banner" style="background:transparent;">
<svg role="img" aria-labelledby="banner-title banner-desc" viewBox="0 0 1200 220" width="100%" height="100%" xmlns="http://www.w3.org/2000/svg">
<title id="banner-title">Informe de Inteligencia Artificial</title>
<desc id="banner-desc">Curso G120L2 sobre PLN, Análisis de Sentimientos y AWS AI/ML</desc>
<defs>
<linearGradient id="g1" x1="0" y1="0" x2="1" y2="1">
<stop offset="0%" stop-color="#4fb3ff"/>
<stop offset="100%" stop-color="#7cf29c"/>
</linearGradient>
</defs>
<rect width="1200" height="220" fill="#0f172a"/>
<!-- TÍTULO CORREGIDO: "Informe" completo -->
<text x="28" y="80" fill="url(#g1)" font-size="26" font-weight="700">
Informe de Clase IA – G120L2 • Inteligencia Artificial Intermedio
</text>
<text x="28" y="120" fill="#94a3b8" font-size="16">
PLN • Análisis de Sentimientos • AWS AI/ML • Python • Gradio
</text>
<text x="28" y="160" fill="#cbd5e1" font-size="14">
Autores: Martha Lasso Collantes, Jorge Enrique Barón — Septiembre 25 de 2025
</text>
</svg>
</div>
</header>
<section id="intro" class="card">
<h2>Introducción</h2>
<p>En este curso se integró teoría y práctica para comprender el <b>Procesamiento del Lenguaje Natural (PLN)</b>, el <b>Análisis de Sentimientos</b> y reconocer <b>servicios de IA en AWS</b>, conectando conceptos con ejercicios ejecutables en la web.</p>
</section>
<section id="obj" class="card">
<h2>Objetivos</h2>
<ul>
<li>Comprender fundamentos de PLN.</li>
<li>Aplicar Análisis de Sentimientos a textos en español.</li>
<li>Explorar servicios de IA de AWS para producción.</li>
<li>Prototipar interfaces con Gradio y publicar en Spaces.</li>
</ul>
</section>
<section id="temas" class="card">
<h2>Temas vistos en clase</h2>
<div class="grid2">
<div>
<h3>1) Procesamiento del Lenguaje Natural (PLN)</h3>
<ul>
<li><b>Definición:</b> IA aplicada al lenguaje humano.</li>
<li><b>Niveles:</b> morfológico, sintáctico, semántico y pragmático.</li>
<li><b>Aplicaciones:</b> búsqueda, traducción automática, voz a texto, extracción de información.</li>
</ul>
</div>
<div>
<h3>2) Análisis de Sentimientos</h3>
<ul>
<li>Clasificación de polaridad (positiva, negativa, neutra).</li>
<li>Enfoques: supervisado (Naive Bayes, SVM, KNN, Árboles) y lexicones.</li>
<li>Casos de uso: reputación, campañas, finanzas y recomendaciones.</li>
</ul>
</div>
</div>
<div class="card">
<h3>3) Servicios de IA en AWS</h3>
<div class="grid2">
<ul>
<li><b>Rekognition</b>: visión por computadora (rostros, etiquetas, texto).</li>
<li><b>Transcribe</b>: de voz a texto (ASR).</li>
<li><b>Polly</b>: texto a voz natural.</li>
<li><b>Translate</b>: traducción automática.</li>
<li><b>Lex & Connect</b>: chatbots y contact center.</li>
</ul>
<ul>
<li><b>Comprehend</b>: PNL, entidades, sentimiento.</li>
<li><b>SageMaker</b>: ciclo de vida de ML.</li>
<li><b>Forecast</b>: series temporales.</li>
<li><b>Kendra</b>: búsqueda inteligente.</li>
<li><b>Personalize</b>: recomendaciones.</li>
<li><b>Textract</b>: extracción en documentos.</li>
</ul>
</div>
<p>Documentación: <a href="https://aws.amazon.com/machine-learning/" target="_blank" rel="noopener">AWS AI/ML</a></p>
</div>
</section>
<section id="ejercicios" class="card">
<h2>Ejercicios y Demos en Hugging Face</h2>
<div class="demo-card">
<h3>🔍 Analizador de Texto con spaCy</h3>
<p>Demo interactivo que muestra análisis morfológico y sintáctico usando la librería spaCy. Permite visualizar entidades nombradas, dependencias sintácticas y categorías gramaticales.</p>
<a class="btn" target="_blank" href="https://huggingface.co/spaces/doctorlinux/spacy">Ver Demo spaCy</a>
</div>
<div class="demo-card">
<h3>📊 Análisis de Sentimientos Multimodelo</h3>
<p>Comparativa de diferentes modelos para análisis de sentimientos en español. Incluye visualización de resultados y métricas de comparación entre modelos.</p>
<a class="btn" target="_blank" href="https://huggingface.co/spaces/doctorlinux/ejercicios">Probar Análisis</a>
</div>
<div class="demo-card">
<h3>🚀 Demostración Space2</h3>
<p>Interfaz adicional que muestra capacidades avanzadas de procesamiento de lenguaje natural y ejemplos prácticos de implementación.</p>
<a class="btn" target="_blank" href="https://huggingface.co/spaces/doctorlinux/space2">Ver Demo Space2</a>
</div>
</section>
<section id="herramientas" class="card">
<h2>Herramientas y Sitios Utilizados</h2>
<ul>
<li><b>GitHub</b>: plataforma para control de versiones y colaboración.</li>
<li><b>Hugging Face</b>: comunidad y despliegue de modelos/demos (Spaces).</li>
<li><b>X Developer</b>: portal de APIs de X (Twitter) para datos y tendencias.</li>
<li><b>Google Colab</b>: entorno de ejecución para experimentación con modelos.</li>
<li><b>Visual Studio Code</b>: editor de código para desarrollo de aplicaciones.</li>
</ul>
</section>
<section id="como" class="card">
<h2>Cómo se logró este informe</h2>
<ol>
<li><b>Recolección:</b> Descarga y organización del material desde Google Classroom.</li>
<li><b>Práctica:</b> Desarrollo de ejercicios en Python (spaCy, TextBlob/NLTK, Transformers) y prototipos en Gradio.</li>
<li><b>Despliegue:</b> Publicación de demos en <b>Hugging Face Spaces</b> (SDK Gradio) y del informe en un Space <b>Static</b>.</li>
<li><b>Integración:</b> Un único HTML5 con navegación, modo presentación y enlaces a los demos.</li>
<li><b>Apoyo IA:</b> Uso de IA asistiva para estructurar, redactar y mejorar la presentación.</li>
<li><b>Optimización:</b> Mejoras de accesibilidad, SEO y experiencia de usuario en esta versión 3.2.</li>
</ol>
</section>
<section id="creditos" class="card">
<h2>Créditos, Agradecimientos y Referencias</h2>
<p><b>Créditos y Agradecimientos:</b> Trabajo presentado por <b>Martha Lasso Collantes</b> y <b>Jorge Enrique Barón</b>, con apoyo de herramientas de Inteligencia Artificial. Agradecimiento al docente <b>Ing Osmer Ruiz</b> por la guía en el curso <i>Inteligencia Artificial Intermedio (G120L2)</i>.</p>
<h3>Referencias</h3>
<ul>
<li>Material de clase (Google Classroom).</li>
<li>Russell, S. & Norvig, P. (2020). <i>Artificial Intelligence: A Modern Approach</i>.</li>
<li>Goodfellow, I., Bengio, Y. & Courville, A. (2016). <i>Deep Learning</i>.</li>
<li><a href="https://aws.amazon.com/machine-learning/" target="_blank" rel="noopener">AWS – Servicios de IA/ML</a>.</li>
<li><a href="https://huggingface.co/" target="_blank" rel="noopener">Hugging Face – Plataforma de modelos de IA</a>.</li>
</ul>
</section>
<div class="footer">Versión 3.2 • © 2025 • Mejoras en accesibilidad, SEO y experiencia de usuario</div>
</main>
<button class="back-to-top" onclick="scrollToTop()" aria-label="Volver al inicio">↑</button>
<script>
// NARRADOR DE TEXTO MEJORADO
function leerSeccion() {
const target = location.hash ? document.querySelector(location.hash) : document.querySelector('#intro');
const texto = (target && target.innerText) ? target.innerText : document.body.innerText;
const msg = new SpeechSynthesisUtterance(texto);
const voces = speechSynthesis.getVoices();
const vozES = voces.find(v => v.lang && v.lang.toLowerCase().startsWith('es'));
if (vozES) msg.voice = vozES;
const velocidad = document.getElementById('velocidad').value;
msg.rate = parseFloat(velocidad);
speechSynthesis.cancel();
speechSynthesis.speak(msg);
}
function detener() {
speechSynthesis.cancel();
}
function toggleTheme() {
const current = document.documentElement.getAttribute('data-theme') || 'light';
document.documentElement.setAttribute('data-theme', current === 'dark' ? 'light' : 'dark');
}
function toggleFocus() {
document.body.classList.toggle('focus');
}
function highlightActiveLink() {
document.querySelectorAll('.toc a').forEach(link => link.classList.remove('active'));
const activeLink = document.querySelector(`.toc a[href="${location.hash}"]`);
if (activeLink) activeLink.classList.add('active');
}
window.addEventListener('hashchange', highlightActiveLink);
window.addEventListener('load', highlightActiveLink);
function scrollToTop() {
window.scrollTo({top: 0, behavior: 'smooth'});
}
window.addEventListener('scroll', function() {
const backToTopButton = document.querySelector('.back-to-top');
if (window.scrollY > 300) {
backToTopButton.style.display = 'block';
} else {
backToTopButton.style.display = 'none';
}
});
document.getElementById('velocidad').addEventListener('input', function(e) {
document.getElementById('valor-velocidad').textContent = e.target.value + 'x';
});
if (speechSynthesis && typeof speechSynthesis.onvoiceschanged !== 'undefined') {
speechSynthesis.onvoiceschanged = function(){};
}
document.addEventListener('DOMContentLoaded', function() {
highlightActiveLink();
});
</script>
</body>
</html> |