Anotador de Informatica

Nginx como proxy reverso Socket UNIX (mejor rendimiento) Swagger protegido con usuario y contraseña Systemd para ejecución automática Objetivo: Tener Swagger accesible solo para administradores y la API funcionando normalmente. 📁 Estructura del proyecto /opt/factum/ ├── app/ │ └── main.py ├── venv/ ├── requirements.txt └── factum_instalacion.py Socket usado: /tmp/factum.sock ⚙️ FastAPI from fastapi import FastAPI from app.routes import router app = FastAPI( title="Factum", docs_url="/docs", redoc_url=None, openapi_url="/openapi.json" ) app.include_router(router) Swagger queda disponible en /factum/docs 🧠 Servicio systemd [Unit] Description=FastAPI Factum After=network.target [Service] User=ubuntu Group=ubuntu WorkingDirectory=/opt/factum Environment="PATH=/opt/factum/venv/bin" ExecStartPre=/usr/bin/rm -f /tmp/factum.sock ExecStart=/opt/factum/venv/bin/uvicorn app.main:...

Guía práctica para instalar y ejecutar una aplicación Quarkus en un servidor Linux usando SQLite. 1. Ir al directorio de instalación cd /opt 2. Clonar el repositorio git clone https://github.com/hugomrj/jkude cd jkude Esto copia el proyecto en /opt/jkude . 3. Instalar Gradle sudo snap install gradle --classic Verificar instalación: gradle -v 4. Compilar el proyecto Quarkus sudo ./gradlew build El archivo ejecutable quedará en: /opt/jkude/build/quarkus-app/ 5. Preparar la base de datos SQLite Crear carpeta data en el build sudo mkdir /opt/jkude/build/quarkus-app/data Copiar la base de datos sudo cp /opt/jkude/data/jkude.db /opt/jkude/build/quarkus-app/data/ Esto respeta la configuración: jdbc:sqlite:./data/jkude.db 6. Ejecutar la aplicación cd /opt/jkude/build/quarkus-app sudo java -jar quarkus-run.jar Si todo está bien, verás el mensaje de arranque y el puerto: http://0.0.0.0:8001 7. Habilitar Swagger UI en pro...

En este tutorial aprenderás a ejecutar un reporte JasperReports (JRXML) desde una API REST creada con Quarkus . También veremos cómo generar un PDF dinámico a partir de parámetros. 1. Crear proyecto Quarkus con Gradle quarkus create app com.demo:jkude --gradle cd jkude 2. Agregar dependencias necesarias Editar el archivo build.gradle : dependencies { implementation "net.sf.jasperreports:jasperreports:6.20.6" implementation "com.lowagie:itext:2.1.7" // Soluciona la dependencia faltante que Jasper busca por defecto implementation "com.github.librepdf:openpdf:1.3.30" } repositories { mavenCentral() } Estas versiones funcionan sin errores y son completamente compatibles con JasperReports 6.20.x. 3. Crear un reporte JRXML básico Crear: src/main/resources/reports/report.jrxml Contenido del archivo: <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE jasperReport PUBLIC "-...

Guía: Configurar Servidor de Modelos GGUF con Docker Esta guía muestra cómo configurar un servidor de modelos GGUF en Docker usando modelos locales existentes en /opt/llama-app/models . Estructura de Directorios Tienes los modelos en /opt/llama-app/models : /opt/llama-app/models/ ├── granite-4.0-h-tiny-Q5_K_M.gguf ├── granite-4.0-h-tiny-Q6_K.gguf └── llama-3.2-3b-instruct-q4_0.gguf Configuración Docker Compose Crea el directorio para la configuración del servidor: mkdir -p /opt/llama-server cd /opt/llama-server Crea el archivo docker-compose.yml : services: llm-server: image: ghcr.io/ggml-org/llama.cpp:server container_name: llm-server ports: - "8600:8600" volumes: - /opt/llama-app/models:/models command: > -m /models/granite-4.0-h-tiny-Q5_K_M.gguf --host 0.0.0.0 --port 8600 --ctx-size 4096 --threads 4 --n-gpu-l...

Cómo instalar n8n, Supabase, Evolution API y Portainer en contenedores Docker separados con red compartida En este tutorial aprenderás a desplegar n8n , Supabase , Evolution API y Portainer en contenedores independientes, todos conectados entre sí mediante una red Docker común. Este enfoque mantiene cada servicio modular y fácil de administrar, sin perder comunicación interna entre ellos. 1. Objetivo del entorno El objetivo es contar con los siguientes servicios corriendo en el mismo servidor: n8n – Automatización de flujos. Supabase – Base de datos PostgreSQL utilizada por n8n. Evolution API – API para integrar modelos de IA o bots. Portainer – Panel web para administración de contenedores Docker. Todos se comunicarán dentro de la red local mi_red_local , sin necesidad de exponer internamente las bases de datos o servicios entre sí. 2. Crear la red compartida Ejecuta este comando una sola vez. La red servirá para q...

Sistema de Templates en JavaScript: Separa Lógica de Presentación como un Profesional ¿Tu código JavaScript mezcla lógica de negocio con HTML? ¿Cambiar el diseño significa modificar múltiples funciones? Descubre el poder de los templates para crear código mantenible y flexible. ❌ El Problema: HTML Incrustado en Lógica Antes tenía HTML mezclado con mi lógica JavaScript, creando un caos de mantenimiento: // ❌ HTML incrustado en la lógica - difícil de mantener async lista(page = 1, filtro = '') { const response = await fetch(`${this.server}/api/productos?page=${page}`); const data = await response.json(); // HTML directamente en el método tbody.innerHTML = data.items.map(item => ` <tr data-line_id="${item.producto}"> <td>${item.producto}</td> <td>${item.descripcion}</td> <td>${item.unidadMedida}</td> ...

Arquitectura Escalable con Clases en JavaScript: De Código Spaghetti a Estructura Profesional ¿Tu proyecto JavaScript está creciendo y el código se vuelve inmanejable? Te presento el patrón ModeloBase que transformó mi código de spaghetti desorganizado a arquitectura limpia y escalable. ❌ El Caos del Código Duplicado Antes tenía clases repetitivas para cada entidad de mi aplicación: // ❌ Código duplicado para Producto class Producto { constructor() { this.recurso = 'productos'; this.server = this.getServer(); } async lista(page = 1, filtro = '') { // 50 líneas de código repetitivo... } getServer() { return location.origin; } } // ❌ Mismo código duplicado para Cliente class Cliente { constructor() { this.recurso = 'clientes'; this.server = this.getServer(); } async lista(page = 1, filtro = '') { // 50...

Domina la Delegación de Eventos en JavaScript: Solución Definitiva para Eventos Duplicados ¿Alguna vez has tenido eventos que se disparan múltiples veces? ¿Tu paginación funciona en la primera página pero no en las siguientes? Te muestro la solución profesional que implementé en mi último proyecto. ❌ El Problema: Eventos que se Duplican Esto me pasaba con mi sistema de paginación. Cada vez que cambiaba de página, los eventos se acumulaban: // ❌ ESTO ESTABA MAL - se ejecutaba CADA VEZ que generaba paginación async lista(page = 1, filtro = '') { // ... código para obtener datos ... const html = UI.genePaginacion({/*...*/}); paginacion.innerHTML = html; // ¡Este event listener se agregaba CADA VEZ! paginacion.addEventListener('click', (e) => { if (e.target.tagName === 'A') { const page = parseInt(e.target.getAttribute('data-page')); ...

Cómo funciona un modelo de lenguaje (LLM): una guía didáctica Guía técnica y didáctica sobre los fundamentos de los modelos de lenguaje: tokenización, arquitecturas y pesos entrenados. Introducción Los modelos de lenguaje como GPT, LLaMA o Gemma se basan en principios matemáticos y estructurales relativamente sencillos. En esta guía se explica de forma clara cómo se construye un modelo de lenguaje desde sus fundamentos: tokenización, red neuronal y pesos entrenados. 1. Qué es un modelo de lenguaje Un modelo de lenguaje (LLM, Large Language Model) es un sistema que predice la siguiente palabra o token en una secuencia de texto. Durante su entrenamiento, el modelo aprende las relaciones estadísticas entre millones de fragmentos de texto. Cuando se utiliza, no "recuerda frases" ni "entiende conceptos" como un humano; calcula qué token es más probable según el contexto. 2. Los tres componentes principales de un LLM ...

Análisis Técnico Comparativo Completo: Granite 4.0 H Micro vs Llama 3.2 3B Este análisis técnico compara dos modelos de lenguaje de ~3B parámetros cuantizados a 4 bits: Granite 4.0 H Micro (Q4_K_M) de IBM y Llama 3.2 3B (Q4_0) de Meta. Aunque similares en tamaño, revelan diferencias arquitectónicas y filosóficas significativas que impactan su rendimiento en casos de uso específicos. 1. Arquitectura y Capacidad de Parámetros Granite 4.0 H Micro (Q4_K_M) "H Micro": Arquitectura híbrida de tamaño micro (probablemente 1-3B parámetros) Origen: Familia Granite de IBM, orientación enterprise Cuantización: Q4_K_M (K-quants mixta de 4 bits en formato GGUF) Filosofía: Precisión y consistencia sobre velocidad Llama 3.2 3B (Q4_0) Parámetros: Explícitamente 3 mil millones de parámetros Origen: Serie compacta Llama 3.2 de Meta Cuantización: Q4_0 (cuantización uniforme de 4...

Tutorial: Instalar Sim.ai (Sim Studio) usando Docker Este tutorial explica paso a paso cómo desplegar Sim Studio de forma local con Docker y Docker Compose , sin necesidad de usar APIs externas. El HTML está sin estilos, listo para publicarlo en Blogger u otra plataforma. Requisitos Docker y Docker Compose instalados y funcionando. Git instalado. (Opcional) Ollama para usar modelos locales. 1. Crear carpeta de instalación mkdir -p /home/docker/simstudio cd /home/docker/simstudio 2. Clonar el repositorio oficial Como la imagen simstudioai/sim no está en Docker Hub, se debe clonar el repositorio oficial desde GitHub: sudo git clone --depth 1 https://github.com/simstudioai/sim.git cd sim 3. Cambiar el puerto si el 3000 está ocupado Editá el archivo docker-compose.prod.yml y reemplazá la línea: ports: - "3000:3000" por, por ejemplo: ports: - "3100:3000" Así accederás a http://localhost:3100 en lugar del 3000. 4. Cambiar el...

Instalar y ejecutar el modelo IBM Granite 4.0 H-Micro (Q4_K_M) con Docker en Ubuntu 1. Actualizar el sistema Primero asegurarse de tener el sistema actualizado. sudo apt update && sudo apt upgrade -y 2. Instalar Docker Si aún no está instalado, ejecutar los siguientes comandos: sudo apt install -y ca-certificates curl gnupg sudo install -m 0755 -d /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \ https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io Verificar la instalación: docker --version 3. Descargar el modelo Granite El modelo se encuentra en Docker Hub bajo el nombre: ai/granite-4.0-h-micro:3B-Q4_K_M Ejecutar el siguient...

Arquitectura y componentes técnicos para un sistema de videovigilancia inteligente con IA Resumen Este documento describe una arquitectura práctica en tres etapas para un sistema de videovigilancia inteligente: captura de video, detección y extracción de datos, y análisis con inteligencia artificial. El objetivo es proporcionar una guía técnica orientada a desarrolladores que implementen soluciones de vigilancia que no requieran supervisión humana continua. 1. Captura de video La etapa de captura consiste en obtener frames desde cámaras IP, dispositivos USB o ficheros pregrabados. La salida de esta capa es un flujo de imágenes listo para ser procesado por modelos de visión. Bibliotecas recomendadas Librería Descripción Uso principal OpenCV Biblioteca estándar para visión por computadora. Captura desde cámaras locales o ...