| Learning ML (Echidna en local) | Learningml 2.0 | Teachable machine | |
| Uso | Local | https://learningml.org/lml-editor/ | https://teachablemachine.withgoogle.com/ |
| Tipo de herramienta | Aplicación de escritorio integrada | Plataforma web de Machine Learning educativo | Plataforma web de aprendizaje automático |
| Conexión a internet | No necesaria | Necesaria | Necesaria |
| Programación | Programación por bloques basada en Scratch (EchidnaBlocks) | Integración con Scratch/EchidnaScratch | No incluye entorno de programación propio |
| Integración con Hardware | Directa con placas Echidna | Sí, mediante herramientas web y enlace con la placa | No directa (solo exportación a otros sistemas) |
| Tipos de modelos de IA | Texto, imágenes y datos numéricos | Texto, imágenes y datos numéricos | Imágenes, audio y poses (movimiento corporal |
| Entrenamiento de modelos | En el propio ordenador | En la plataforma web | En el navegador del usuario |
| Privacidad y datos | Los datos se procesan localmente en el ordenador | Los datos se procesan en servidores web | Procesamiento principalmente en el navegador (modelo Cliente)\* |
| Integración con robótica | Muy alta | Alta | Baja |
**Acerca de la privacidad de teachable machine:** Los modelos creados en Teachable Machine se entrenan localmente en el navegador del usuario y pueden alojarse en Google Drive o en los servidores de Google (mediante una URL pública) al exportarlos. Respecto a la privacidad, las imágenes de entrenamiento no se comparten ni se suben a servidores por defecto durante el proceso de entrenamiento. **¿Dónde se alojan los modelos?** Entrenamiento (Local): Todo el proceso de entrenamiento ocurre dentro de la pestaña de tu navegador (client-side) utilizando TensorFlow.js. Almacenamiento del proyecto: Puedes guardar tus proyectos (clases e imágenes) en tu cuenta personal de Google Drive. Publicación/Alojamiento: Al hacer clic en "Upload my model" (subir mi modelo), Google aloja el modelo entrenado en sus servidores y genera una URL compartible. Descarga: Puedes descargar el modelo entrenado (como TensorFlow.js, TensorFlow o TensorFlow Lite) para usarlo de manera totalmente local. **¿Se comparten las imágenes de entrenamiento?** Privacidad por defecto: Las imágenes de tu webcam o los archivos que subes no abandonan tu ordenador durante el entrenamiento. Guardado en Drive: Si eliges guardar tu proyecto en Google Drive, las imágenes se guardan allí, pero siguen siendo de tu propiedad. Publicación de modelo: Cuando publicas el modelo para obtener una URL, **solo se sube el modelo matemático (el programa que predice), no las imágenes de ejemplo que utilizaste para entrenarlo.** En resumen, Teachable Machine es seguro y diseñado para la privacidad, manteniendo los datos de entrenamiento en tu equipo a menos que decidas explícitamente guardarlos en la nube.
#### CreateAI: la IA de micro:bit para reconocer movimiento **CreateAI** es una herramienta web del ecosistema de la placa **BBC micro:bit** que permite crear modelos de **aprendizaje automático basados en movimiento**. La idea principal es utilizar el **acelerómetro de la micro:bit** para recoger datos de movimiento y entrenar un modelo capaz de reconocer patrones físicos. ##### Cómo funciona El proceso de trabajo sigue tres fases principales: 1. **Recoger datos (Collect data)** El alumnado realiza movimientos con la micro:bit (por ejemplo: aplaudir, saludar o saltar). El acelerómetro registra los datos. 2. **Entrenar el modelo (Test model)** La herramienta utiliza esos datos para entrenar un modelo de aprendizaje automático que aprende a distinguir los movimientos. 3. **Programar con el modelo (Code)** El modelo se integra en el entorno **MakeCode** mediante bloques específicos de Machine Learning. --- ##### Qué tipo de proyectos permite Con CreateAI el alumnado puede crear proyectos como: - un interruptor que enciende luces cuando detecta un aplauso, - un temporizador que reconoce actividades físicas, - un contador de pasos o movimientos, - juegos que responden a gestos. En esencia, el sistema permite que la placa **interprete el movimiento del cuerpo humano como una entrada inteligente**, convirtiendo gestos físicos en eventos programables. --- ##### Valor educativo CreateAI es especialmente interesante en el aula porque: - introduce el **concepto de entrenamiento de modelos de IA**, - trabaja **datos reales recogidos por sensores**, - conecta **inteligencia artificial y computación física**, - y permite comprender la importancia de **los datos de entrenamiento**. Esto lo convierte en una herramienta muy potente para enseñar **machine learning de forma tangible**, ya que el alumnado puede ver cómo la máquina aprende directamente de sus propios movimientos.