CaFeDev

¡Hola! Vamos a aprender a reconocer objetos, colores o personas con Teachable Machine, y luego implementaremos una aplicación para activar algo con poco código. Breve intro Hasta noviembre de 2022, TensorFlow.js era la herramienta más destacada en la web para trabajar con Inteligencia Artificial. Sin embargo, ChatGPT y los Transformers llegaron para quedarse. Meses antes, Google Creative Labs lanzó Teachable Machine, una herramienta que permite entrenar una red neuronal utilizando la cámara web o el micrófono, y generar el código HTML para incluirlo en nuestra propia página web con ayuda de TensorFlow.js. Al mismo tiempo, yo aprendía a trabajar los Custom WebComponents, una API de HTML5 para generar con código HTML objetos de JavaScript. Y en esta semana, retomando un poco la librería que estoy construyendo, agregué el caso de Teachable-Machine. Veamos cómo trabajar con TM y cómo utilizarla a favor. A continuación: Videos sobre cómo utilizar Teachable Machine. Instalar librería de webC...

 Instalamos la librería de componentes: <script src="https://gorosito.red/componentes"></script> En el BODY agregamos un objeto de etiqueta para-arrastrar. Esto instalará automáticamente la librería Dragula.js de Bevacqua. Lo identificamos como idArrastra. Adentro agregamos un DIVisor. Lo identificamos. Por ejemplo, como idNumeros. <para-arrastrar eventos="fnEvento" id="idArrastra" >     <div id="idNumeros"></div> </para-arrastrar> En el atributo eventos del objeto para-arrastrar ejecutará la función que le demos como valor cuando en Dragula.js soltamos un objeto arrastrable. Pero lo analizaremos más adelante. Ahora, agregamos un SCRIPT. Este SCRIPT va a popular o poblar el DIVisor dentro del arrastrador. Agreguemos 9 ARTICLEs, como para lograr un rompecabezas de 9 piezas.     [1,2,3,4,5,6,7,8,9]         .sort( (a,b)=>Math.random()-0.5 )         .forEach(         ...