 Bien, ayer, justo y juanda os mostrán las posibilidades que tienen herramientas como learning ml o machine learning for kids para crear modelos que de una forma muy sencilla podemos exportar a proyectos Scratch o utilizando machine learning for kids incluso a Pinventor o a Python. Entonces la idea es que hoy justo y juanda os muestren algunos proyectos que puedan servir de inspiración además del asistente virtual que ya visteis ayer y que luego cada uno de vosotros hagáis un proyecto con Scratch o a Pinventor con lo que prefiráis en el que incorporéis un modelo entrenado con alguna de estas herramientas. Si queréis hacer el asistente virtual que visteis ayer tenéis toda la documentación y todos los vídeos que va a servir de ayuda si os lanzáis a hacer un proyecto más personal pues adelante y aquí estaremos los tres para echaros una mano en lo que podamos. Bueno pues hoy el taller 2 como ayer continuamos con la explicación buena explicación que rodeó juanda hizo una buena introducción a la inteligencia artificial y visteis un poco el esbozo del asistente virtual que íbamos a crear, alguno ya queríais ir siguiendo lo paso a paso, hoy vamos a tener el taller hoy es dedicado para hacer algo práctico y que estéis trabajando con Scratch hacer alguno de los tres ejercicios que tenemos aquí preparados si alguno tiene una idea propia pues puede elaborar una idea propia que implemente el aprendizaje Learn Machine. Entonces hoy vamos a recordar lo que ayer decía juanda que vamos a repetir muchísimas veces el mantra del aprendizaje automático tenemos siempre el modelo es un machine learning de datos de entrenamiento el algoritmo de aprendizaje automático que nosotros no entraemos, no desentrañamos como funciona por debajo porque es una técnica muy sofisticada de algoritmos y luego todo esto lo que nos proporciona nos fabrica, nos construye un modelo de clasificación que es lo que nosotros incorporamos en nuestro Scratch, en nuestro Pepe Inventor, en nuestro Python o en cualquier otro lenguaje pero siempre tener claro los datos de entrenamiento el algoritmo que crea o fabrica un modelo que nos aporta y nosotros lo incorporamos ya en nuestros programas. Ya tenemos un modelo de clasificación pero como hago para que aprenda a acosar nuevas y mejore su conocimiento? Ayer vimos que creábamos el modelo, lo metíamos en nuestro Scratch y teníamos ya el modelo funcionando. ¿Qué pasa para que nuestro asistente virtual aprenda a acosar nuevas? La cuestión, la fortaleza de esto del machine learning es que el sistema vaya aprendiendo porque si nos deja un modelo y lo dejamos ahí parado pues nos da esa confianza que obtengamos y no mejora más. La cuestión es utilizar el machine learning para crear modelos cada vez mejores, más sofisticados y que vayan respondiendo a más situaciones. Entonces, tenemos nuestro sistema de machine learning y en nuestro programa que tenemos en Scratch o en cualquier otro lenguaje lo que hacemos es cuando nos llegue un dato que no conocemos se lo enviamos a machine learning con unos nuevos datos de entrenamiento se vuelve a aplicar el algoritmo, genera un modelo nuevo más ajustado con los nuevos datos que nosotros hemos introducido y nos fabrica, nos construye el genio que estaba ayer ahí toqueteando botones nos vuelve a fabricar otra maquinita, otro modelo para que lo incorporemos a nuestro programa y ese modelo ya está entrenado con los nuevos datos que le hemos metido. Entonces, ¿cuál es la ventaja de esto del machine learning? Que va aprendiendo a base de datos que le vayamos dando, datos categorizados y clasificados se los introducimos al machine learning, aplicamos de nuevo el algoritmo y el algoritmo lo que va a hacer es volver a ajustar los pesos, volver a buscar nuevas soluciones crear el paquetito del modelo de clasificación y lo incorporamos ya entrenado y mejorado. Si eso lo dejamos en un proceso constante de que a cada dato nuevo nos va pidiendo qué es esto, él va aprendiendo y va aprendiendo con este algoritmo va sacando no conclusiones pero sí va analizando, no sólo aprende la frase que le digamos sino que esa frase la junta con las demás, analiza las partes de cada frase o cada situación y mejora el modelo. Entonces hoy lo que vamos a hacer un poco, ayer vimos el asistente hoy vamos a ver cómo el asistente aprenda nuevas órdenes. Para ello tenemos dos herramientas a utilizar. En los tres ejercicios que vamos a dar de ejemplo podemos usar o el machine learning for kit o el learning ML. El machine learning for kit está aquí, esta página y el learning ML sería cuando está con esta IP. Entonces cuando decimos que estamos creando un sistema de aprendizaje nosotros el algoritmo de abajo no le estamos programando, estamos utilizando algoritmo muy potentes que usan machine learning for kit o el learning ML. El machine learning for kit es una aplicación que está basada en IBM Watson que es un programa de los más fronteros mundialmente de inteligencia artificial. La página de machine learning for kit se puede trabajar registrándose iniciando una sesión si está registrado o de prueba sin registrarse. El proceso de registro es un poco engorroso, es complicado, se puede registrar si lo queréis probar alguna vez, podéis registrar una clase y dar de alta a vuestros estudiantes para que puedan utilizar la herramienta. El proceso es complicado porque hay que escribir a David Lane y hay que hacerle una serie de correos, se puede hacer pero lleva ciertos procesos un poco complicados y luego podría dar de alta a los alumnos. Yo por ejemplo, Juan Dase hizo una clase y yo tengo un usuario que soy estudiante de su clase. ¿Y qué ventaja tiene el registrarse? Pues que tiene los datos, los modelos que guardes y te quedan guardados por siempre. Luego tenemos la opción para utilizar sin registrarnos que es la prueba ahora sin registrarse, se puede utilizar, se utilizan los modelos y se quedan almacenados hasta que cerré sesión o borréis la cache del navegador. Pero en el momento que borréis la cache o salgáis de la sesión, se perderían los datos del modelo, de la del ventaja. Y luego, learning ML es una herramienta que creo Juan Dase basado un poquito en cómo funciona el machine learning for kids con un algoritmo un poco más simplificado, pero lo hizo que no haya que registrarse y sea para poder utilizar directamente sin registro. En los ejercicios que vamos a proponer se pueden usar ambos modelos, algunos solo vamos a decir hacerle con uno o con otro pero se podrían utilizar las dos herramientas. Y entonces hoy el taller de hoy os vamos a proponer tres ejercicios a modo de ejemplo, si alguno tiene una idea pues es que estáis siempre pensado programarme un sistema de inteligencia artificial pues podéis crear lo creativo que queráis. Pero a modo de ejemplo vamos a seguir con el asistente virtual de ayer, llegamos hasta, no llegamos a entrenarle, eso es lo que vamos a ver ahora un poco y luego daremos un programa del asistente virtual, programar un asistente capaz de reconocer ordenes en lenguaje natural para controlar el encendido pegado de una lámpara y un ventilador. Ahora vamos a ver, capaz de reconocer ordenes y aprender ordenes. Vamos a comentar un poquito los dos bloques de cómo aprenden nuevas ordenes el asistente virtual. Cuando le llega una orden que no conoce nos pregunta esto que sirve para apagar o para encender. Nosotros contestamos y él ya se mete en su base de conocimiento, esa orden que significa, la Met crea un nuevo modelo con esas ordenes y vamos lo mejorando, para que reconozca muchas más frases de un proceso muy largo y si eso lo hicimos con millones de usuarios puede aprender casi todas las frases, todas las formas de decidir apagar y encender un ventilador y una luz. Otro ejercicio que vamos a proponer es crear el reconocimiento de sentimientos, una aplicación en la que un objeto que representamos una medusa muestra distintos gestos, contento, triste y no otra en función del texto, escribimos un texto y la medusa se va a poner contenta o triste en el texto que nosotros le escribamos. Y un tercer ejercicio un poco más complicado, el de conducción autónoma, vamos a dotar a un vehículo autónomo simulando la capacidad de regular su velocidad según las señales que vaya viendo. Los dos primeros son reconocimiento de texto, el tercero utilizamos reconocimiento de imagen. Vamos a meter una señalera de tráfico y el coche va a saber si tiene que aumentar la velocidad o disminuir. Entonces, voy a comentar un poco en el asistente virtual, ayer llegamos a ver cómo clasificaba un texto pero hoy vamos a ver lo de aprender nuevas ordenes. Entonces, ayer del partido del modelo que explico ayer, juanda, hicimos el programa principal y unos bloques, más o menos funciona igual, pero vamos a crear un nuevo bloque. He creado un nuevo bloque que se llama Aprender. Cuando llega una orden y el asistente no sabe qué es esa orden, lo que nos va a decir es ¿Para qué sirve esa orden? Si la orden es Dame más luz y no la teníamos, va a preguntar ¿Para qué sirve en la orden Dame más luz? Si es que todavía no la reconoce y nosotros le vamos a contestar ¿Para encender o para pagar? Por simplificarle puesto para encender, contestar si o no. Si nos dice que vale para encender, lo va a catalogar como encender luces. Si nos dice que no, para simplificar he quitado el ventilador, solo he dejado la luz, para no tener las 4 ordenes de encender o pagar, solamente vamos a ver cómo aprende nuevas órdenes de apagar y encender la luz. Cuando nos dice que la asocia a encender luz, nos dice el asistente voy a asociarlo a encender la luz, hace un mensaje y estoy utilizando la herramienta de Machine Learning for Kids. Cuando nos crea los bloques nos crea 4 bloques. Si vemos aquí los bloques, reconocer texto, añadir unos nuevos datos de entrenamiento, entrenar el modelo de nuevo y ver en qué estado está el entrenamiento. Estos bloques los incorpora Machine Learning for Kids cuando nosotros vamos haciendo las etiquetas y le decimos génerame el modelo, nos genera el modelo, abrimos scratch introducido estos bloques ya programados. Esto los habíamos visto ayer, reconocer la orden y estos son los nuevos. Para aprender nuevas órdenes, lo que estamos haciendo es, cuando una orden no la vamos a entender, le decimos añadamela al entrenamiento. Podemos ir almacenando varias órdenes y luego cuando queramos lanzar de nuevo el entrenar el modelo tenemos el bloque Train New Machine. Lo que haría es, ahí le estamos lanzando a Machine Learning for Kids Scratch, le lanza una petición con unos datos desconocidos Machine Learning for Kids los mete en su sistema aplica el algoritmo en piedades de sus cálculos y nos genera un nuevo modelo ya ajustado con las nuevas órdenes que no entendíamos y ahora ya sí se van a entender. Como eso a veces si metemos muchos datos o son complicados el entrenamiento del modelo puede ser largo si son poquitas un par de frases no tarda mucho, pero tarda un segundo, dos segundos entonces tenemos un bloque que nos dice si el learning machine model está aquí ve las opciones de aquí. Cuando le hemos mandado un modelo nuevo al machine learning for kids se lo mandamos, él empieza a entrenar y está ahí entrenando. Nosotros nos quedamos en espera. Cuando sabemos que ha acabado un segundo o ha habido algunos errores yo he simplificado y solamente doy por hecho que va a entrar bien el sistema al opcionar y no hay errores pero se podría controlar pues no he podido analizar esta frase, no sé qué dice en otra vez lo intentaremos se puede ver los errores que haya tenido y de aquí darle una respuesta si todo va bien cuando el machine learning for kids ha terminado de aplicar el algoritmo y ha construido el nuevo modelo nos dice listo, está preparado y nos dice entonces nosotros ya le decimos nuestra asistente nos dice ya lo incluye en mi conocimiento y ya ha aprendido una nueva orden una o dos o varias la haríamos mandando un nuevo modelo pero siempre recordar que cada vez que añadamos nuevas ordenes hay que llamar a machine learning for kids para que aplique el algoritmo y nos cree otra máquina nueva un modelo nuevo que ya incluye ese conocimiento. La pregunta a qué se refiere esa orden sirve para apagar o para encender y ahora contestaremos si o no si decimos que no es que sirve para apagar voy a memorizarlo está lanzando las órdenes a machine learning for kids, le está mandando los datos y le dice entrename un nuevo modelo construyeme un nuevo modelo está esperando y cuando machine learning for kids acaba de aplicar el algoritmo y construir el modelo vuelve y nos dirá ya lo he aprendido ya lo he añadido a mi conocimiento y ahora ya en el momento que vemos esa orden e incluso otro de esas órdenes lo ha aplicado algoritmos y puede ser que habíamos puesto quita la vela no había dicho cuando pongamos frases de quita va a entender que puede ser apagar con cierta confianza podíamos ir al machine learning for kids entrar con nuestro usuario y ver como va enriqueciendo el modelo de datos de entrenamiento cuando le hemos lanzado la orden de quita la vela el machine learning for kids lo ha añadido en el modelo este es el proyecto de asistente de giga y ahora vamos a ver los datos que tenemos tenemos entrenar o aprender y probar los frases sería primero entrenar luego aprender y luego ya crear entrenar le llama a meter los datos estas son las listas que veíamos allí en el otro programa estas listas yo las teníamos ya creadas y ahora en apagar la luz tiene que haber puesto quita la vela esa no existía antes y la ha metido al conjunto de datos se aplica el algoritmo y nos va a mejorar que aprenda a decir cuando le digamos algo de quita apaga podemos y le añadimos mucho datos puede llegar a reconocer me deslumbra o cuánta luz necesito gafar de sol pues puede reconocer y te diga pues te voy a apagar la luz dependiendo la cantidad de datos el modelo es mejor y reconocerá muchas más cosas esta herramienta como la de allí tiene las tres mismas fases primero metemos los datos aquí tienes los botones para añadir las etiquetas para añadir ejemplos en cada una de las etiquetas una vez que ya tenemos los datos es cuando empieza la fase de entrenamiento en la que se va a generar el modelo es cuestión de bueno yo es que ya tengo el modelo entrenado pero cuando vosotros empecéis y utilicéis esta herramienta tendréis que dar el botón de entrenamiento a un nuevo modelo y os va a tardar en la propia página se puede probar nuevas frases aquí puedes probar nuevas frases y cuando ya tienes todos hecho pues nos vamos a crear le das a Scratch 3 y te abriría su versión de Scratch o el modelo de esto que hemos dicho Paizo a modo de ejemplo os he dejado ahí puesto como sería el aprendizaje el asistente virtual podéis continuar de ayer si no lo tenéis empezarlo podéis bajar los ejemplos hechos pero lo suyo es que lo vayáis creando y llegar a introducir que se autoentrene, que aprenda de nuevo luego proponemos otro ejercicio conocimiento de sentimientos básicamente va a ser en una frase que le digamos que reconozca si es un sentimiento triste de alegría y ponga el gesto dependiendo del tipo de frase que le hayamos escrito ahí está usando la herramienta del learning machine esto son las frases que utilizamos por ejemplo que contento estoy bueno ya se supone que esto debería entenderlo a ver una E en el que veis ha comido una E pero lo ha reconocido ese es muy sencillo de hacer si queréis empezar por algo sencillito este posiblemente sea más sencillo y está toda la guía para seguir como hacerlo está en el mood y luego tenemos la conducción autónoma que es un túnel, va a ir conduciendo el coche y va a ir viendo señales dependiendo del tipo de señal va a aumentar la velocidad va a disminuir este es un poco más complicado pero no es muy muy complicado está basado en un código que ya existe si veis el código puede llegar a brumar porque conseguí eso tiene su rato es una simulación de una carretera yo no lo he hecho, solo cogí de scratch el repositorio que tiene y digo bueno vamos a intentar utilizar esto para que le mostremos señales y en función de la señal que le mostremos pues que él la sepa interpretar y que actúe en consecuencia subiendo la velocidad, aumentando la velocidad con lo cual en realidad lo que hay que hacer en este ejercicio es detectar cuál es la variable clave que es speed y cambiar esa variable en función de las señales que vayan saliendo y para mostrar las señales en este ejercicio hay aquí un sprite un objeto que tiene una serie de disfraz que no son ni más ni menos que señales y entonces pues cuando le de ahora a la pantalla hay un pequeño código que va mostrando aleatoriamente una de las señales esa señal se le pasa al modelo de machine learning y como el modelo de machine learning ha sido entrenado con un montón de señales similares pues sabrá clasificarla en señales de top, señales de precaución si le damos aquí le voy a dar aparece una señal de precaución y disminuye la velocidad un poquito le damos otra vez stop y separa lo importante es que esas señales son nuevas para él son señales que eso, que no las ha visto nunca pero ha visto otras parecidas porque hemos entrenado con machine learning for kids hemos entrenado el sistema para que reconozca señales redondas de top prengulares de precaución y cuadradas de de nuevo y también por supuesto si le quiero cambiar la velocidad manualmente pues se la puedo cambiar este es un poquito es un poquito más más tricky pero es bastante bonito hacerlo y bueno pues nada más ahora lo único que pensar es saber qué ejercicio querés de los propuestos si tenéis alguna idea plantearé un programa en Scratch partiendo desde cero utiliza la herramienta de machine learning for kids y lo vais incorporando a vuestros proyectos empezar por algo más concretito no queráis hacer un súper proyecto ya a empezar que funcione un buen inicio puede ser el asistente de ayer el asistente de ayer lo tenéis también para cargar una versión precargada además el asistente de ayer y lo que decimos ayer están ahí todas las soluciones aunque aconsejamos que se parta de la primera la que pone asistente cero y que no vayáis viendo la siguiente hasta que no vayáis vosotros la resolviendo si ya se queda uno bloqueado totalmente puede ir viendo, en fin eso ya cada uno como quiera y también están las mismas aplicaciones en el recurso del mes hay un recurso del mes que ya hablábamos ayer hay una serie de vídeos en el que se explica todo el proceso el mismo proceso que explicamos ayer aquí así que puede ser un buen punto de de inicio eso lo vieron en la página alco de internet la han visto el recurso por ponerle ahí vais un vídeo tutorial que va guiando paso a paso para crear el asistente de hecho en la guía está toda la referencia recurso a todos dependiendo de qué ejercicio vaya ahí a empezar mira primero la guía porque ahí se cuenta todo están todos los recursos necesarios para hacer el ejercicio y ya pues bueno vais tirando de nosotros no olvidaba también hay tres fichas de cada ejercicio que no las hemos comentado si es lo que digo, es lo que estaba diciendo que en las guías las fichas cada ejercicio tiene su guía, está en el moodle con un resumen de un folio, folio y medio y ahí pues lo laíis antes y empezamos a jugar una cosita a ver para vamos a repasar otra vez todo el procedimiento paso por paso, punto por punto para que sea más sencillo vale en las guías leerla con la que vaya a empezar leerla pero en todos los casos el procedimiento es el mismo lo primero que tenemos que saber qué tipo de problemas vamos a resolver por ejemplo supongamos que vamos a resolver un asistente virtual que enciende la luz, apaga la luz enciende el ventilador, apaga el ventilador supongamos que queremos eso paso número 1 necesitamos el learning ml de igual, vamos a coger este porque es más rápido entonces lo primero que tenemos que hacer es cargar datos vamos a añadir etiqueta etiqueta es cada una de las órdenes o cada una de las clases que queremos utilizar para clasificar nuestros textos por ejemplo encender la luz ponemos otra etiqueta apagar la luz ahí ponemos lo que nos dé la gana va a ser las dos clases las dos clases las que va a clasificar el modelo que hagamos y ahora a cada una de las etiquetas le añadimos textos que tengan que ver con la clase que queremos clasificar con la orden que queremos clasificar encender la lampara ahí por lo menos metes 10 que son muy pocos pero para ilustrar lo que queremos es suficiente pues 10 textos por aquí lo mismo hacemos con apagar la luz así hasta los que queráis yo aconsejo que por lo menos haya 10 también está bien que cuando tengáis unos cuantos para no perderlo podéis guardar los datos guardáis los datos lo tenéis en la carpeta de descarga y así si en un momento dado se os va por lo que sea pues podéis volver a cargar los datos utilizando la opción cargar datos esto además está ocurriendo todo localmente vuestro ordenador no interferís con nadie y por eso es más rapidito una vez que tenemos ya los datos ya tenemos aquí ahora tenemos que entrenarlo ¿vale? podemos entrenarlo desde aquí o podemos entrenarlo desde arriba antes de explicar la configuración una vez que ya tenemos todo esto relleno con 10 o más datos pues le damos a entrenar el tema es que lo vamos a entrenar muy rápido porque tiene dos ejemplos solamente entonces podemos probar el modelo aquí si queremos me ha pasado algo raro aquí faltan aquí cosas, no sé cómo lo recargas otra vez recarga el el crome, o sea la aplicación perdona, ahora ocurrió algún problema bueno, estas herramientas están en desarrollo es probable que encontré algún problemilla cuando lo utilicéis la cosa metemos las etiquetas introducimos los textos entrenamos el modelo ahora ahora sí, ahora se está estudiando ¿vale? y una vez que está entrenado si queréis podéis probarlo aquí todo esto está ocurriendo aún no hemos entrado en Scratch ¿vale? aquí podemos ver pues cómo está funcionando el modelo ¿vale? una vez que tenemos ya esto ese modelo lo podemos abrir en Scratch se abre una versión distinta de Scratch no es la versión oficial si veis la URL no es la oficial y ya podéis utilizar los bloques que están aquí abajo del todo en LearningML y simplemente hay un bloque que clasifica un texto el que vosotros le pongáis y un bloque que calcula la confianza que también lo podéis utilizar primero ya podía hacer un programa no hace falta más si utilizáis el segundo encima podéis ver si es correcto o tiene probabilidad de ser correcto lo que hemos metido no y por último hay uno que sirve para añadir textos nuevos y que se reentrene utilizar el primero es suficiente entonces no sé si es que da clara la cosa primero la herramienta de machine learning se le meten datos por un tubo datos, datos, datos, datos se entrena el modelo que clasifica y no que tenemos ese modelo abrimos Scratch y ahí a jugar ya en Scratch ya podemos hacer lo que queramos que queréis coger el asistente pues conviene una vez en Scratch que carguéis desde Scratch con archivo Loa cargar de tu ordenador cargáis el SV3 que queráis, el calle ahí por ejemplo ese de sentimiento o bueno o el del asistente decir que sí esto lo hacéis para tener un código mínimo para no tener que empezar desde el principio si queréis empezar desde el principio con vuestro código pues empezáis bueno este se ha cargado la solución esta no es realmente la que tenéis vosotros ahí vale y creo que esa es la los pasos a seguir y en el machine learning for kids lo mismo meter datos entrenar el modelo que tardamos un poquito, entrenarse el modelo y ir a Scratch en Scratch ya están los bloques y ahí pues ya lo utilizamos para clasificar lo que queramos sí una aclaración sobre la herramienta esta del learning ML la esta esta aplicación se ejecuta en tu equipo una vez que lo has descargado una vez que se ha descargado esa dirección todo ocurre en tu equipo esto no ocurre en la nube y no se guarda nada en la nube todo lo que quieres guardar datos se guardan como una descarga en tu equipo quieres cargar datos lo buscas en tu equipo que estarán descargas no ocurre incluso después cuando se pase a Scratch y eso ocurre también tanto en Scratch de machine learning for kids como en el de learning ML tampoco podéis utilizar guardar en la nube en vuestra cuenta porque este no es el Scratch oficial este es lo que se llama un fork es decir una versión que hemos toqueteado tanto de machine learning for kids como el otro a nosotros que lo hemos toqueteado para incluir los bloques de machine learning vale lo único que podéis hacer es guardar vuestros proyectos localmente no en la nube porque los responsables del meet por lo pronto no nos dejan tampoco se hemos propuesto todavía pero si no se lo han dejado de irles que es una herramienta bastante más asentada es todo claro para que fuese oficial tendría que aceptarse como una extensión oficial entonces ya todo el mundo podría tener acceso no sé cómo funcionar la verdad pero es cosa de que te lo acepten aquí si alguien está muy perdido que no sabe por dónde empezar en codeintep tenemos ahí un videotutorial que siguiendo el paso a paso conseguís el asistente sería en codeintep.es más recursos y tenéis ahí abajo en aprendizaje automático para todos inteligencia artificial en Scratch 3.0 si habréis ahí esta opción os va a aparecer un artículo con 6 videotutoriales pequeñitos que os da el paso a paso y el asistente si estáis un poco perdidos seguís el paso a paso y conseguís el asistente aquí abajo tenéis una presentación y luego manos a la obra pues ahí tenéis en 8 pasos como crear el asistente son videos pequeñitos de 5 o 10 minutos y se va explicando paso a paso la construcción para quien esté un poco perdido no sepa por dónde empezar una cosita que está sucediendo cuando abris Scratch desde la aplicación LearningML los bloques de clasificación y de confianza enciende la luz son un ejemplo desafortunado pon tu texto aquí porque esos son los textos que hemos utilizado para el ejemplo cuando estás programando así hay muchos detalles que se te pasan son los detalles precisamente que facilitan la vida del usuario es así solamente a través de la realimentación se puede mejorar una aplicación esto es un ejemplo es un ejemplo que imagina que ponáis introduzca aquí tu texto bueno pues espero que hayáis disfrutado el taller que hayáis visto que aunque hemos tenido muy poco tiempo pero es suficiente para empezar a dar algunos primeros pasos para incorporar aprendizaje automático a vuestros proyectos Scratch yo creo que habéis visto que es asequible una plataforma asequible que evidentemente hay que dedicarle tiempo para entender bien todos los conceptos pero que practicando un poquito yo creo que es totalmente asequible para vosotros por supuesto pero también para vuestro alumnado en cualquier caso nos tenéis a vuestra disposición para aclarar cualquier duda durante el verano cuando lo pongáis en marcha y yo creo que sin más le damos un fuerte aplauso y abrazos si queréis a Juana y a Justo