Innovación y tecnología en acción

¿Está el turismo en crisis?

Probablemente sí, al menos tal como lo conocemos hoy. En un contexto de creciente presión regulatoria y preocupación por el impacto del turismo en las ciudades, Airbnb enfrenta un reto clave: adaptarse a un modelo más sostenible que beneficie tanto a los viajeros como a las comunidades anfitrionas.

Las restricciones impuestas en ciudades como París, Barcelona y Nueva York han limitado su presencia y afectado su reputación. Aunque la plataforma ha implementado algunas iniciativas en pro del turismo responsable, estas han sido insuficientes para generar un impacto real. Sin embargo, en cada desafío hay una oportunidad. ¿Puede Airbnb liderar la transición hacia un turismo más sostenible y equilibrado?

✍️ Más sobre el proyecto en Medium: https://bit.ly/474gHRV

GreenStay: un nuevo enfoque para el turismo responsable

GreenStay es una nueva funcionalidad integrada en la plataforma de Airbnb que busca reducir la masificación turística y fomentar la exploración de destinos menos concurridos.

Cuando un usuario intenta reservar en una zona de alta demanda, la aplicación le sugiere alternativas cercanas, recomendadas por otros viajeros que han explorado áreas menos saturadas. Además, para incentivar la participación, los usuarios pueden compartir sus propias recomendaciones y recibir descuentos en futuras reservas, incorporando así una capa social a la plataforma.

Conclusiones

Tras analizar los resultados del Design Sprint, confirmamos que la propuesta es viable y tiene el potencial de convertirse en una realidad dentro del ecosistema de Airbnb. Con GreenStay, la plataforma no solo puede mitigar los efectos del turismo descontrolado, sino también posicionarse como un referente en el turismo sostenible.

¿Cuál es la motivación?

La migración desde servidores on-premise a la nube significa que la seguridad ya no sólo se aplica al hardware y dispositivos que se tienen en la organización, sino ampliarla hacia el entorno en la nube elegido. El proveedor se encarga de parte de esa seguridad, pero los clientes también tienen su parte de responsabilidad. Para poder entender las debilidades de este tipo de entornos, se emplean servicios como AWS Goat, que permiten simular ataques y realizar un proceso de pentesting para identificar vulnerabilidades y estudiar las posibles soluciones.

Objetivos

• Identificar las configuraciones incorrectas y vulnerabilidades OWASP en la infraestructura de AWS Goat.
• Analizar el impacto que las vulnerabilidades encontradas pueden tener en la infraestructura.
• Proponer y validar soluciones para mitigar vulnerabilidades dentro del entorno de AWS.

Desarrollo

La nube aporta un nuevo elemento que debe ser configurado correctamente en términos de ciberseguridad. Para poder entender este nuevo entorno de la manera más adecuada posible, se ha realizado lo siguiente:

• Recopilación de información: Para encontrar una vulnerabilidad, es crucial recoger toda la información posible sobre todo el entorno. Se realizaron escaneos de puertos y servicios, enumeraciones de buckets, usuarios y políticas, así como análisis de solicitudes HTTP.
• Identificación de vulnerabilidades: Una vez se recopilaron los elementos necesarios, se pasó a obtener información detallada sobre los archivos identificados como sensibles. De manera paralela, también se trabajó con solicitudes, interceptándolas y modificándolas.
• Explotación de vulnerabilidades: Las debilidades encontradas se transformaron en vectores de ataque, logrando accesos remotos a servidores, explotación de credenciales para crear usuarios y modificar políticas, y explotación de vulnerabilidades.

Conclusiones

La auditoría llevada a cabo reveló múltiples vulnerabilidades críticas, especialmente en elementos relacionados con los controles de acceso, la exposición de datos sensibles y las inyecciones de código. Todo esto requirió una mitigación urgente, reforzando políticas de acceso y gestión de credenciales. Asimismo, se implementaros recomendaciones y controles estrictos, para finalizar con una revisión y monitoreo constante que garanticen la protección continua de los recursos en la nube.

El desafío

Enfrentar crisis humanitarias con soluciones efectivas es un reto urgente. Bricks for Survival nace como una propuesta innovadora para quienes buscan estar listos ante desastres naturales, ofreciendo kits de emergencia adaptados a distintos escenarios. Con la ayuda de la tecnología AI Snap, diseñamos y personalizamos estos kits para asegurar que cada persona reciba lo necesario para su supervivencia.

🔗 Landing page: https://www.bricksforsurvival.site/
✍️ Más sobre el proyecto en Medium: https://medium.com/@arroyocarrascoainhoa/bricks-for-survival-una-nueva-manera-de-estar-preparad-4df759ee5390

Una solución sostenible para la supervivencia

Cada kit está diseñado para adaptarse a tus necesidades específicas, teniendo en cuenta tanto lo que tú como tus seres queridos podrían necesitar. Desde el abastecimiento de alimentos y medicinas hasta las herramientas básicas para mantener la autosuficiencia, garantizamos que siempre contarás con los recursos esenciales para afrontar momentos críticos y proteger lo más importante: tu seguridad y bienestar.

Nuestra solución se basa en la sostenibilidad, utilizando piezas recicladas de Lego transformadas en bricks a través de un proceso de rotomoldeo. Estos bloques permiten proveer agua, medicamentos, alimentos y semillas, elementos esenciales para la supervivencia tras una emergencia. Además, los bricks pueden ser ensamblados fácilmente para construir refugios autosuficientes sin la necesidad de herramientas especializadas.

Colaboraciones estratégicas para la preparación ante crisis

Contamos con alianzas clave con empresas líderes en sus sectores, como 3M, Auara, Smith Seed Services y DJI Technology, quienes nos apoyan tanto en la provisión de materiales esenciales como en la distribución eficiente de nuestros kits personalizados mediante drones, garantizando una logística ágil y eficaz incluso en zonas de difícil acceso.

Gracias a herramientas de IA generativa como Midjourney, hemos podido crear representaciones visuales realistas de nuestros productos y refugios, lo que ha permitido validar nuestra propuesta de manera más efectiva. A través de un modelo B2C y un Producto Mínimo Viable (MVP), hemos logrado obtener feedback valioso de nuestros potenciales clientes, lo que nos ha permitido perfeccionar la solución y asegurarnos de que responde a las necesidades reales de quienes buscan estar preparados ante emergencias.

Inspirados en la visión de John Dykstra, demostramos que si podemos imaginarlo, podemos hacerlo realidad.

El estado de la industria

Para entender la propuesta de Deep Underground, primero es necesario analizar el contexto actual del género MMORPG y las limitaciones que enfrenta.

• Tendencia a seguir la misma fórmula: La mayoría de las compañías han optado por un enfoque seguro, siguiendo un patrón general que ha llegado a definir el género MMORPG. Mundos predecibles, mecánicas repetitivas y sistemas de progresión lineales son comunes en los títulos más populares.
• Una pequeña ventana a la innovación: Sin embargo, algunos juegos han logrado destacar al introducir mecánicas innovadoras que han marcado la diferencia, demostrando que aún hay espacio para la creatividad y la evolución en este género.

¿Dónde se sitúa nuestro videojuego?

Deep Underground surge con la ambición de romper moldes al combinar mecánicas de distintos juegos y ofrecer un sistema de clases dinámico junto con un gameplay más libre. Aquí, la estrategia y la libertad del jugador son las claves para una experiencia única e irrepetible.Nuestros objetivos

Conscientes de los desafíos y oportunidades del género, en Deep Underground nos proponemos alcanzar metas ambiciosas que redefinan la experiencia de juego.

• Sistema de clases único e infinito: Desarrollar un sistema de clases sin precedentes, basado en la combinación de clases básicas para ofrecer infinitas posibilidades. Este enfoque no solo proporciona flexibilidad total, sino que no limita la jugabilidad, permitiendo acceder a todas las mecánicas una vez desbloqueadas.
• Diversión para todos los jugadores: Deep Underground ha sido diseñado para ser atractivo para todos los perfiles de jugador. Se ha realizado un exhaustivo estudio de cada tipo de usuario para implementar mecánicas que resulten interesantes y entretenidas, con el objetivo de maximizar el público objetivo y ofrecer una experiencia inclusiva y variada.
• Un mundo reactivo y vivo: En Deep Underground, cada acción cuenta. El mundo evoluciona y reacciona a las decisiones de todos los jugadores, creando una experiencia colectiva y dinámica donde cada evento impacta el universo del juego.

Innovación y libertad: El futuro de los MMORPG

Deep Underground representa una nueva era para los MMORPG, donde la libertad de elección y la innovación mecánica son las protagonistas. Al desafiar las convenciones tradicionales y ofrecer un sistema de clases dinámico junto a un mundo reactivo, este proyecto busca redefinir el género.

¿Listo para adentrarte en las profundidades y forjar tu propio destino?

Este proyecto implementa un sistema basado en Inteligencia Artificial (IA) que analiza imágenes y videos de estacionamientos para identificar plazas libres y ocupadas en tiempo real. El sistema es capaz de generar resultados precisos y visuales claros sobre el estado del parking.

• Precisión elevada: Identificación precisa de las plazas libres y ocupadas, incluso en escenarios complejos.
• Velocidad optimizada: Procesamiento rápido, adecuado para implementaciones en tiempo real.
• Escalabilidad: Listo para adaptarse a diferentes tipos de parkings (vistas aéreas, cámaras fijas, etc.).

Aplicaciones al mundo real

Esta tecnología tiene el potencial de revolucionar la gestión de estacionamientos, ofreciendo:

• Mejoras en la experiencia de los usuarios al reducir el tiempo de búsqueda de espacios disponibles.
• Optimización en la gestión de recursos para operadores de parkings.
• Integración con sistemas inteligentes para ciudades más conectadas y eficientes.

¿Cuál es la motivación?

Los entornos cloud cuentan con un gran potencial para ayudar a garantizar la continuidad del negocio y la protección de datos críticos frente a eventos adversos no previstos, minimizando tanto el tiempo de inactividad hasta volver a estar en funcionamiento como la pérdida de datos. Usados de manera correcta, el uso de herramientas compatibles con el entorno permite asegurar la integridad y disponibilidad de los datos, fortaleciendo la resiliencia empresarial y la protección continua de los activos críticos de la empresa.

✍️ Más sobre el proyecto: https://github.com/jcarbace/disaster_recovery_multicloud

Objetivos

• Diseñar una arquitectura DR activa-pasiva entre Azure y GPC que sea escalable y resistente a fallos.
• Lograr un Tiempo de Recuperación o RTO de 30 minutos para la infraestructura y los recursos críticos del negocio.
• Conseguir que el Punto de Recuperación o RPO sea de 30 minutos para la base de datos del negocio.
• Diseñar una estrategia de despliegue y gestión automatizada.

Desarrollo

El desarrollo de esta solución ante desastres que afectan a la infraestructura crítica se ha alejado de la práctica habitual de emplear recursos nativos ofrecidos por los proveedores cloud y se ha centrado en las herramientas no nativas de migración. La implementación de la solución se ha basado en:

• Medidas de seguridad: son uno de los factores clave para contar con una estructura resiliente. El primer gran grupo de medidas está relacionado con la seguridad de los datos, como la automatización de la realización de backups de la base de datos con DevOps. En caso de que sí ocurra un fallo de seguridad, el segundo grupo de medidas, dedicadas a llevar a cabo un protocolo de acción, está enfocado a lograr una recuperación rápida y eficiente del servicio en caso de interrupción.
• Pipeline en Azure DevOps: este planteamiento permitió el despliegue de la infraestructura, pero también la configuración y la automatización de los backups, logrando su transferencia desde Azure (entorno activo) a FCP
• Despliegue de la arquitectura: este tipo de despliegue requiere herramientas más básicas, como Visual Studio Code, pero también otras más especializadas, como Terraform, que permiten trabajar con Infraestructura como Código (IaC). Asimismo, también se emplearon herramientas pertenecientes a Google Cloud y Azure, como Kubernetes, que ayudaron en el proceso de diseño, despliegue y gestión.
• Planteamiento de escenarios: para poder anticiparse a eventos imprevistos, se plantearon una multitud de escenarios. Se dividieron en naturales, técnicos y humanos, cada uno de ellos con una serie de posibles sucesos que llevan a la interrupción del servicio y la pérdida de datos, como un fallo en el proveedor cloud o la corrupción de datos de manera accidental.
• Creación de un plan de recuperación: una vez sucede el evento, es necesaria una respuesta rápida para minimizar posibles daños. Para ello, se automatizaron procesos como la realización de healthchecks o backups de las bases de datos SQL. El propio plan también necesita ser revisado, por lo que se realizaron pruebas de manera periódica, así como se establecieron diferentes métricas de rendimiento y criterios de éxito.

Resultados

Alejarse de la práctica habitual de emplear los recursos nativos presentó varios desafíos, pero el proyecto logró su principal objetivo: transferir backups de la base de datos de Azure a GCP, siempre de manera automática y periódica según lo establecido en el plan de recuperación. Todo esto permitió minimizar el coste de infraestructura en Google Cloud Platform con un único bucket de almacenamiento. Los beneficios que aporta el proyecto a una organización son:

• Automatización de todo el proceso a través de pipelines.
• Bajo coste económico para la implementación del proyecto, gracias a que en cada momento sólo se asume el coste de la infraestructura que está en funcionamiento porque en el cloud pasivo se mantiene desplegado un único bucket de almacenamiento de backups.
• Escalabilidad futura del mismo, requiriendo llevar a cabo nuevas fases de desarrollo en materia de seguridad.

Conclusiones

Este proyecto ha demostrado una opción alejada de las típicas ofrecidas por los proveedores de cloud para lograr una solución de recuperación ante desastres (DR) en entornos cloud para garantizar la continuidad del negocio y la protección de los datos y sistemas considerados críticos. El uso de una arquitectura activa-pasiva entre Azure y Google Cloud Platform ha permitido la reducción del Tiempo de Recuperación (RTO) y el Punto de Recuperación (RPO) a tan sólo 30 minutos, asegurando la disponibilidad e integridad de la infraestructura y los recursos del negocio.

El uso de herramientas como Terraform, Azure DevOps y Kubernetes permitió la automatización de la Infraestructura como Código (IaC), facilitando tanto la implementación como la gestión del sistema. Además, la protección de las bases de datos se vio reforzada por el enfoque en seguridad de datos y la automatización de backups a través de pipelines, permitiendo que dichas bases de datos estuvieran protegidas y fueran recuperables en caso de desastre.

La solución

EnerIA, un asistente virtual con inteligencia artificial integrado en la app de Renfe que transforma la experiencia acompañando, informando y asistiendo a los pasajeros en cada etapa de su viaje.

• Asistencia en tiempo real: Notificaciones push con recordatorios de viaje, número de vía, cambios de andén y actualizaciones sobre incidencias, incluso en situaciones inciertas.
• Atención al cliente eficiente: Resolución de FAQs y dudas generales
• Labor comercial personalizada: Ofertas y descuentos personalizado basados en el perfil del usuario.

✍️ Más sobre el proyecto en Medium: https://lc.cx/HF6mDZ

Conclusiones

El lanzamiento de EnerIA, el asistente virtual con inteligencia artificial de Renfe, marca un punto de inflexión en la relación entre la compañía y sus usuarios. Mejorando la experiencia de usuario, Renfe logra avances significativos en captación, retención, ventas y reputación de marca:

• Reducción de quejas y reclamaciones al canalizar la comunicación de manera efectiva.
• Incremento en las descargas y uso de la app, aumentando la fidelización de los usuarios.
• Optimización operativa, reduciendo la dependencia de los canales tradicionales de atención al cliente.
• Aumento en ventas, gracias a una estrategia comercial más cercana y personalizada.

En resumen, EnerIA es mucho más que tecnología: es el puente que conecta a Renfe con una visión de futuro, hacia un transporte más eficiente, humano y accesible.

Principales funcionalidades

La plataforma no solo genera recomendaciones adaptadas a cada usuario, sino que también ofrece seguridad y flexibilidad en su uso, asegurando una interacción fluida tanto en la web como en la aplicación móvil.

• Planes de alimentación personalizados: Algoritmos avanzados diseñan dietas basadas en el perfil del usuario, ajustándose a sus objetivos y restricciones alimenticias.
• Seguimiento en tiempo real: Posibilidad de registrar comidas y hábitos diarios desde la web o la app.
• Recomendaciones inteligentes: Sugerencias dinámicas basadas en análisis de datos y aprendizaje automático.

Tecnologías empleadas

El desarrollo de Fitbase se basa en una arquitectura escalable y segura, utilizando tecnologías modernas que garantizan un alto rendimiento y la protección de los datos de los usuarios.

Base de datos (BBDD)

Se ha diseñado un modelo relacional estructurado en distintas tablas que permiten almacenar información clave para el correcto funcionamiento de la plataforma. La tabla de usuarios guarda datos personales, objetivos nutricionales y preferencias alimenticias, mientras que la tabla de planes de alimentación registra las dietas asignadas junto con sus respectivos detalles nutricionales.

Además, se incluye un historial de comidas que permite almacenar los alimentos consumidos, facilitando el análisis del progreso de cada usuario. También se ha incorporado una tabla de alimentos y recetas, que contiene información detallada sobre cada ingrediente y recetas predefinidas, ofreciendo así un mayor nivel de personalización en los planes nutricionales.

Para garantizar la eficiencia en la consulta de datos, se han optimizado las consultas mediante la implementación de índices y relaciones bien estructuradas. Asimismo, se han realizado inserts iniciales para la carga de información básica, como alimentos y parámetros nutricionales, permitiendo que el sistema esté listo para su uso desde el primer momento.

Implementación del código

La gestión de tokens mediante JWT (JSON Web Tokens) permite la autenticación segura, asegurando que solo los usuarios autorizados puedan acceder a la plataforma. Para prevenir ataques de inyección SQL, se han implementado consultas parametrizadas y validaciones estrictas en todas las entradas de datos. Además, la seguridad se refuerza con encriptación de contraseñas, protección contra ataques XSS y CSRF, y el cumplimiento de normativas de privacidad como GDPR, garantizando la confidencialidad de los datos.

El correcto funcionamiento del sistema se ha validado a través de pruebas automatizadas y manuales utilizando Rapid, una herramienta clave para evaluar la seguridad, estabilidad y rendimiento de la plataforma.

Fitbase no solo facilita una alimentación equilibrada y personalizada, sino que lo hace con una arquitectura segura y de alto rendimiento. Gracias a tecnologías modernas y un enfoque en la experiencia del usuario, la plataforma ofrece una solución integral para mejorar la nutrición y la salud de manera accesible y confiable.

El desafío

Iluminar un hogar es algo muy personal, y en ocasiones las lámparas tradicionales no encajan con el estilo que quieres para tu hogar. Glow Grow surge como una solución a este y otros problemas, como la preocupación por los gastos relacionados con la electricidad y el cuidado del medioambiente, gracias a su funcionamiento mediante bioluminiscencia.

Objetivos

• Crear un simulador que ofrezca partidas verdaderamente desafiantes.
• Desarrollar un oponente que aprenda y evolucione en cada partida, para que el reto nunca sea el mismo.
• Brindar una herramienta que permita tanto entrenar como disfrutar del ajedrez.

Desarrollo

En el desarrollo de I-Chess, se utilizaron avanzadas técnicas de Inteligencia Artificial para crear un simulador cuyo funcionamiento sea lo más parecido posible a enfrentarse a un rival en persona:

• Evaluación de movimientos: la inteligencia artificial de I-Chess, basada en el algoritmo MinMax, analiza cada movimiento que realiza el jugador, evaluando las respuestas que puede emplear.
• Motor de ajedrez Stockfish: este potente motor de código abierto es el que permite al simulador analizar en profundidad las posiciones de las pieza tras cada movimiento. Usa la información recopilada y su capacidad de cálculo para poder determinar la jugada óptima en cada turno, elevando el nivel de desafío que presenta el simulador y ofreciendo una experiencia lo más similar posible a enfrentarse a un rival humano de alto nivel.
• Uso de estrategias de grandes maestros: la base de datos empleada recoge un extenso conjunto de jugadas de aperturas comúnmente empleadas en partidas de ajedrez profesional. Este detalle permite a la IA iniciar las partidas con estrategias realistas que se basan en partidas realizadas por los grandes maestros.
• Memoria de jugadas: I-Chess presenta un historial de las jugadas realizadas por ambos bandos, facilitando el seguimiento y entendimiento de las mismas, lo que permite el desarrollo de habilidades y técnicas a implementar en otras partidas.

Conclusiones

I-Chess se ha convertido en el compañero ideal para aquellos que quieren mejorar sus habilidades en el ajedrez, proporcionando un rival formidable a la par que una herramienta de aprendizaje para perfeccionar las jugadas y la lectura de la partida. Ha demostrado el potencial con el que cuenta la inteligencia artificial en el mundo del ajedrez, brindándole a los jugadores una experiencia inmersiva y desafiante.

¿Cuál es la motivación?

El potencial que presentan los entornos cloud puede llegar a verse poco aprovechados si no se emplean todos los recursos que se tienen al alcance de la mano. La automatización es uno de ellos, alejando los errores humanos y acercando unos resultados más estandarizados y fiables.

Los entornos cloud cuentan con un gran potencial para ayudar a garantizar la continuidad del negocio y la protección de datos críticos frente a eventos adversos no previstos, minimizando tanto el tiempo de inactividad hasta volver a estar en funcionamiento como la pérdida de datos. Usados de manera correcta, el uso de herramientas compatibles con el entorno permite asegurar la integridad y disponibilidad de los datos, fortaleciendo la resiliencia empresarial y la protección continua de los activos críticos de la empresa.

Objetivos

• Diseñar una arquitectura Disaster Recovery activa-pasiva entre Azure y GPC que sea escalable y resistente a fallos.
• Lograr un Tiempo de Recuperación o RTO de 30 minutos para la infraestructura y los recursos críticos del negocio.
• Conseguir que el Punto de Recuperación o RPO sea de 30 minutos para la base de datos del negocio.
• Diseñar una estrategia de despliegue y gestión automatizada.

Desarrollo

El desarrollo de esta solución ante desastres que afectan a la infraestructura crítica se ha alejado de la práctica habitual de emplear recursos nativos ofrecidos por los proveedores cloud y se ha centrado en las herramientas no nativas de migración. La implementación de la solución se ha basado en:

• Medidas de seguridad: son uno de los factores clave para contar con una estructura resiliente. El primer gran grupo de medidas está relacionado con la seguridad de los datos, como la automatización de la realización de backups de la base de datos con DevOps. En caso de que sí ocurra un fallo de seguridad, el segundo grupo de medidas, dedicadas a llevar a cabo un protocolo de acción, está enfocado a lograr una recuperación rápida y eficiente del servicio en caso de interrupción.
• Pipeline en Azure DevOps: este planteamiento permitió el despliegue de la infraestructura, pero también la configuración y la automatización de los backups, logrando su transferencia desde Azure (entorno activo) a FCP
• Despliegue de la arquitectura: este tipo de despliegue requiere herramientas más básicas, como Visual Studio Code, pero también otras más especializadas, como Terraform, que permiten trabajar con Infraestructura como Código (IaC). Asimismo, también se emplearon herramientas pertenecientes a Google Cloud y Azure, como Kubernetes, que ayudaron en el proceso de diseño, despliegue y gestión.
• Planteamiento de escenarios: para poder anticiparse a eventos imprevistos, se plantearon una multitud de escenarios. Se dividieron en naturales, técnicos y humanos, cada uno de ellos con una serie de posibles sucesos que llevan a la interrupción del servicio y la pérdida de datos, como un fallo en el proveedor cloud o la corrupción de datos de manera accidental.
• Creación de un plan de recuperación: una vez sucede el evento, es necesaria una respuesta rápida para minimizar posibles daños. Para ello, se automatizaron procesos como la realización de healthchecks o backups de las bases de datos SQL. El propio plan también necesita ser revisado, por lo que se realizaron pruebas de manera periódica, así como se establecieron diferentes métricas de rendimiento y criterios de éxito.

Resultados

Conclusiones

Este proyecto ha demostrado una opción alejada de las típicas ofrecidas por los proveedores de cloud para lograr una solución de recuperación ante desastres (DR) en entornos cloud para garantizar la continuidad del negocio y la protección de los datos y sistemas considerados críticos. El uso de una arquitectura activa-pasiva entre Azure y Google Cloud Platform ha permitido la reducción del Tiempo de Recuperación (RTO) y el Punto de Recuperación (RPO) a tan sólo 30 minutos, asegurando la disponibilidad e integridad de la infraestructura y los recursos del negocio.

El uso de herramientas como Terraform, Azure DevOps y Kubernetes permitió la automatización de la Infraestructura como Código (IaC), facilitando tanto la implementación como la gestión del sistema. Además, la protección de las bases de datos se vio reforzada por el enfoque en seguridad de datos y la automatización de backups a través de pipelines, permitiendo que dichas bases de datos estuvieran protegidas y fueran recuperables en caso de desastre.

Motivación

El cuidado de plantas puede ser un desafío, especialmente en el ritmo acelerado de la vida moderna. Factores como la falta de tiempo, el desconocimiento sobre las necesidades específicas de cada especie o la dificultad para mantener condiciones óptimas pueden afectar su crecimiento y salud.

Objetivos

PlantAura nace como una solución práctica y eficiente para facilitar el mantenimiento de plantas en entornos domésticos. Gracias a la combinación de sensores avanzados y algoritmos de inteligencia artificial, la plataforma ofrece un control preciso sobre variables ambientales clave, proporcionando información en tiempo real y recomendaciones adaptadas a cada planta.

Con PlantAura, el cuidado de las plantas se vuelve más accesible, eficiente y personalizado, ayudando a los usuarios a mantener un entorno verde y saludable sin complicaciones.

¿Cuál es la motivación?

En España, la congestión en el sistema de salud afecta la calidad y rapidez de la atención médica. Praeventio nace con el propósito de optimizar recursos, mejorar la eficiencia del sistema sanitario y garantizar un acceso equitativo y de alta calidad a los servicios médicos. Para lograrlo, integra Inteligencia Artificial en el proceso de diagnóstico, brindando atención continua y eficiente.

Objetivos

• Proporcionar atención médica continua y eficiente.
• Descongestionar los servicios de salud, agilizando la atención al paciente.
• Reducir la burocracia en el proceso de diagnóstico y atención médica.
• Mejorar la calidad de la atención mediante diagnósticos rápidos y precisos.

Desarrollo

En el desarrollo de Praeventio, se utilizaron avanzadas técnicas de Inteligencia Artificial para crear un sistema de diagnóstico médico eficaz y preciso.

• Reconocimiento de imágenes: se implementaron redes neuronales convolucionales (CNN) para analizar imágenes médicas y detectar enfermedades como neumonía y tumores cerebrales. Estas redes se entrenaron utilizando amplios conjuntos de datos médicos y se sometieron a un riguroso proceso de validación para garantizar su precisión y fiabilidad. El modelo fue ajustado continuamente para mejorar su capacidad de diagnóstico, alcanzando niveles de exactitud muy altos.
• Procesamiento de imágenes DICOM: requirió el desarrollo de una subaplicación web especializada. Esta herramienta permite gestionar y visualizar imágenes médicas de manera eficiente, añadiendo extensiones y generando gráficos que agrupan datos visuales relevantes. Esto facilita el análisis y la interpretación de los resultados, proporcionando a los profesionales de la salud una visión más completa y organizada de la información médica.
• Diagnóstico por síntomas: Los usuarios pueden seleccionar sus síntomas y, mediante algoritmos de IA, la aplicación genera recomendaciones sobre posibles enfermedades y pruebas médicas necesarias. Esta capacidad de orientación médica temprana ayuda a los pacientes a comprender mejor sus síntomas y a tomar decisiones informadas sobre su atención sanitaria.

Conclusiones

Praeventio automatiza el proceso de diagnóstico médico mediante Inteligencia Artificial, ofreciendo una herramienta fiable que predice patologías a partir de imágenes y síntomas. Esto no solo minimiza el riesgo de error humano, sino que también permite priorizar consultas y tratamientos de manera eficiente. Al ofrecer un diagnóstico preliminar preciso, los pacientes obtienen respuestas confiables sobre su salud sin necesidad de una evaluación inicial por parte de un profesional, optimizando el flujo de trabajo en hospitales y centros médicos.

El desafío

En el competitivo mundo laboral de UX, no basta con buscar empleos; es necesario estar constantemente actualizado, preparado y equilibrado emocionalmente. La presión de las entrevistas, la necesidad de un portfolio impecable y el ritmo acelerado del sector pueden afectar el rendimiento y bienestar de los candidatos.

Sage surge como una solución integral, combinando inteligencia artificial, entrenamientos personalizados y monitoreo de bienestar en un solo dispositivo para facilitar el proceso de búsqueda de empleo.

¿Cuál es la motivación?

La ciberseguridad es clave en un mundo cada vez más tecnológico y, por el momento, no hay manera más fiable de entender cómo un ciberdelincuente trabaja que imitándolo. Un proceso de hacking ético simula un ataque real, encontrando las debilidades y vulnerabilidades, para que se puedan resolver. En los últimos años, han surgido numerosas técnicas y procedimientos que permiten realizar estas pruebas de manera más eficiente y poder contrarrestar los avances de la ciberdelincuencia.

Objetivos

• Realizar un análisis exhaustivo de las vulnerabilidades existentes en la máquina virtual DoubleTrouble con herramientas y técnicas de hacking ético.
• Identificar y evaluar las debilidades presentes en la máquina virtual.
• Proponer medidas de mitigación para corregir las vulnerabilidades encontradas.
• Documentar el proceso de análisis y las medidas de mitigación.

Desarrollo

El proceso de hacking ético siguió diversos pasos, que emplearon técnicas variadas de pentesting:

• Definición de tipos de pruebas: El hacking ético puede realizarse con mucha información o poca, en función de los objetivos. En este caso, se decidió por los tipos de pruebas en los que la organización analizada provee acceso a la red donde están los recursos, pero no a los servidores ni aplicaciones. También se definieron los distingos ataques a realizar, como la penetración de red o el acceso a bases de datos.
• Fases de ejecución: Como cualquier proceso, el pentesting se realiza en fases. Empezó por un escaneo para poder lograr encontrar el punto de acceso, tras lo cual se mantuvo el acceso sin ser detectado para conseguir toda la información necesaria. Para finalizar, se realizó un borrado de huellas, esencial para poder evitar ser descubierto más adelante.
• Elaboración de un informe: El hacking ético concluyó con la realización de un informe que recogía todos los hallazgos realizados, así como recomendaciones a seguir para poder solventar los problemas y proteger los activos frente a ataques reales.

Conclusiones

El hacking ético se ha convertido en un proceso esencial para cualquier organización, ya que es una manera proactiva de adelantarse a los ciberdelincuentes y mantener todos los activos a salvo. Asimismo, permite ofrecer recomendaciones de seguridad, relacionadas tanto con los dispositivos como con el personal que interactúa con ellos.

Este proyecto implementa una solución de visión por computadora que, a partir de un punto de tenis, rastrea a los jugadores, la pelota y los puntos clave de la cancha. El sistema:

• Visualiza una mini cancha que muestra la posición de los jugadores y la pelota en tiempo real.
• Mide métricas clave como la velocidad de la pelota y de los jugadores durante el punto.
• Analiza el punto utilizando un modelo de lenguaje (LLM) que proporciona insights sobre las estrategias empleadas por el jugador ganador y recomendaciones para el oponente.

Modelos utilizados

• YoLOv11: Para la detección y seguimiento de los jugadores y la pelota.
• ResNet50: Para identificar con precisión los puntos clave de la cancha.

Próximos pasos

• Optimización del seguimiento de la pelota: Mejorar la precisión para evitar la saturación visual en la mini cancha, así como detectar dónde bota la pelota.
• Mejora de la precisión: Entrenar más el modelo y perfeccionar el postprocesamiento para obtener detecciones y análisis aún más precisos.

Este modelo de aprendizaje profundo es capaz de interpretar el lenguaje de signos y transformarlo en voz en tiempo real. Para lograrlo, se ha implementado una red neuronal LSTM (memoria a corto y largo plazo).

El desafío

Ser un diseñador UX junior en busca de su primer empleo puede resultar frustrante y solitario. La falta de experiencia, junto con la ausencia de una comunidad de apoyo, genera inseguridad y limita las oportunidades laborales. Uxerfest nace para romper estas barreras, proporcionando un entorno colaborativo que empodera a los diseñadores en su camino hacia el éxito profesional.

Actividades

1. Workshops interactivos:
   • UX Writing: Aprende a crear experiencias de usuario memorables a través del contenido.
   • Portfolio de impacto: Diseña un portafolio que destaque tu talento y atraiga a reclutadores.
2. Mentorías personalizadas: Feedback one-to-one con expertos del sector, orientado a mejorar habilidades y estrategias de empleabilidad.
3. Junior League: Desafíos reales de diseño en un entorno práctico y colaborativo, preparándote para el mundo laboral.
4. Networking estratégico: Conecta con diseñadores juniors y seniors, empresas y reclutadores en un espacio diseñado para crear oportunidades laborales.
5. Ocio y entretenimiento: Disfruta de música en vivo, DJ sets, merchandising y una variada oferta gastronómica con food trucks.

El desafío

En el competitivo mundo laboral de UX, la búsqueda de empleo es complicada y tediosa, además de requerir certificaciones para demostrar los conocimientos adquiridos. Valiohub surge como una plataforma que concentra todo lo necesario para unir a ambos lados de la ecuación, ofreciendo una función doble en su papel de certificadora de habilidades técnicas y portal de empleo.

🔗 Landing page: https://www.valiohub.com/
✍️ Más sobre el proyecto en Medium: https://bit.ly/4ktdqCf