Feel Good Productivity

Uncategorized

“Productividad que se siente bien” (o “Feel Good Productivity” en su título original en inglés, y además siempre queda mejor 😀 ) es un concepto y el título de un libro superventas de Ali Abdaal, médico y experto en productividad. Este enfoque desafía la visión tradicional de la productividad como un esfuerzo agotador y constante, centrándose en conseguir más encontrando alegría y satisfacción en el proceso.

La Filosofía Central

La idea principal es que el secreto de la productividad no es la disciplina o el sacrificio; es el disfrute. Las personas felices son más productivas y, a su vez, ser productivo de una manera significativa puede aumentar la felicidad y la sensación de propósito. El sistema se desglosa en tres partes principales: Energizar, Desbloquear y Mantener.

El Marco de Tres Partes

Parte 1: Energizar

Esta sección trata de generar las emociones positivas que hacen que el trabajo sea estimulante en lugar de agotador. Introduce tres “energizantes”:

  • Poder: Sentirse seguro y en control de tu trabajo aumenta el rendimiento.
  • Juego: Encontrar formas de hacer las tareas divertidas y menos estresantes te hace estar más comprometido.
  • Personas: Las conexiones sociales y el trabajo en equipo pueden impulsar la motivación y proporcionar energía.

Parte 2: Desbloquear

Esta parte se centra en superar las barreras comunes para hacer las cosas, principalmente la procrastinación:

  • Claridad: A menudo, la procrastinación proviene de la incertidumbre. Aclarar el por qué, qué y cuándo de una tarea ayuda a eliminar este bloqueo.
  • Coraje: Superar el miedo al fracaso o al juicio reformulando la situación, ganando perspectiva y reduciendo las expectativas.
  • Empezar: La parte más difícil suele ser el inicio. La solución implica reducir la fricción y dar un pequeño paso inmediato (la “regla de los cinco minutos”) para construir impulso.

Parte 3: Mantener

Esta parte final se centra en prevenir el agotamiento y mantener la satisfacción a largo plazo:

  • Conservar: Aprender a gestionar los compromisos de manera eficaz y a decir “no” para evitar el exceso de trabajo.
  • Recargar: Tomar descansos de calidad y reparadores que promuevan una sensación de competencia, autonomía y calma (CALM).
  • Alinear: Asegurarse de que tus actividades estén en línea con tus valores fundamentales e impulsores internos, en lugar de presiones externas, para prevenir el agotamiento y la desalineación.

La idea clave y quizás lo más novedoso en su momento:

“La productividad que se siente bien” es un sistema respaldado por la ciencia y accesible para construir un camino sostenible y agradable hacia el logro de tus objetivos, sin recurrir a la mentalidad típica de la “cultura del ajetreo” (hustle culture).

Puedes encontrar más información y adquirir el libro en la página oficial de Ali Abdaal o en minoristas habituales, en Burgos por ejemplo en Mar de hojas 😉

Aprende cómo…

  1. Construye tu propio sistema de productividad sin que parezca una tarea ardua
  2. Manténgase concentrado en un mundo de distracciones constantes 
  3. Reduce el estrés de tu trabajo mientras te mantienes productivo 
  4. Manténgase coherente con lo que realmente le importa a largo plazo 
  5. Recarga tu energía a través de estrategias respaldadas por la ciencia 
  1. Haga que cualquier trabajo (por aburrido que sea) se sienta más energizante y placentero.
  2. Combate la procrastinación para siempre sin depender únicamente de la motivación y la disciplina. 
  3. Ten claridad sobre lo que realmente quieres de tu trabajo y de tu vida. 
  4. Establezca metas significativas que le ayuden a sentirse bien y a lograr más. 
  5. Encuentra alineación, satisfacción y disfrute en todo lo que haces. 

…y mucho, mucho más.

Aquí tienes un resumen claro y estructurado del libro Feel-Good Productivity de Ali Abdaal (Productividad que se siente bien), con un enfoque especial en explicarte de forma lo más detallada posible cómo el autor responde a cada uno de los puntos que pediste.Idea central del libroAli Abdaal rechaza la productividad tradicional basada en presión, culpa y fuerza de voluntad. Su tesis principal es:Solo somos verdaderamente productivos a largo plazo cuando nos sentimos bien.
La energía, el entusiasmo y el disfrute son el combustible real de la productividad sostenible.El libro se divide en tres grandes pilares:

  1. Energise (Energízate) → Cómo recargar y mantener tu energía
  2. Unblock (Desbloquea) → Cómo superar la procrastinación y el estancamiento
  3. Sustain (Sostén) → Cómo mantener la consistencia a largo plazo sin quemarte

Ahora voy a responder punto por punto exactamente lo que pregunta el libro y cómo lo hace Ali según su propio sistema.1. Construye tu propio sistema de productividad sin que parezca una tarea arduaAli dice: deja de buscar el “sistema perfecto” y construye uno que te encante usar.Pasos concretos que da:

  • Empieza con solo 3 cosas que ya te hacen sentir bien cuando trabajas (ej: escuchar música, trabajar en cafeterías, usar un cuaderno bonito, etc.).
  • Diseña tu sistema alrededor de esos “placeres pequeños” en vez de contra ellos.
  • Usa la regla del “90/10”: el 90 % del sistema debe sentirse fácil y divertido; solo el 10 % puede ser incómodo.
  • Experimenta durante 2 semanas con métodos (Pomodoro, time-blocking, Getting Things Done, etc.) y quédate solo con lo que te da energía, desecha el resto sin culpa.
  • Ejemplo real del autor: él usa Notion porque le encanta personalizarlo y verlo bonito; no lo usa porque “sea el mejor”, sino porque le produce alegría.

2. Manténgase concentrado en un mundo de distracciones constantesAli no lucha contra las distracciones; las rediseña o las integra.Sus 3 estrategias principales:

  • Claridad antes que fuerza de voluntad: si sabes exactamente POR QUÉ haces algo y te emociona, tu cerebro se distrae menos.
  • Entorno irresistible: haz que el entorno de trabajo sea más atractivo que el de la distracción (ej: auriculares con cancelación de ruido + playlist que solo escuchas cuando trabajas profundamente → tu cerebro asocia esa música con flow).
  • Regla de los 3 segundos para redes sociales: cuando sientas el impulso de abrir Instagram/TikTok, cuenta 3 segundos; el impulso casi siempre pasa. Si no pasa, date permiso de 5 minutos (esto elimina la sensación de prohibición que aumenta el deseo).

3. Reduce el estrés de tu trabajo mientras te mantienes productivoEl capítulo más potente del libro sobre esto se llama “Reduce the Friction” y “Feel Good About the Process”.Métodos clave:

  • Técnica “Lower the Bar” (baja el listón): en vez de “escribir 2000 palabras”, tu tarea es “abrir el documento y escribir una frase mala”. El cerebro deja de ver la tarea como amenaza.
  • Regla del 2-Minute Momentum: cualquier tarea que puedas empezar en menos de 2 minutos, hazla ahora.
  • “Stress-Proof Your To-Do List”: solo pon 3 tareas máximo al día (las 3 que más te acercan a lo que quieres). Todo lo demás va a una lista “algún día/tal vez”.
  • Reescribe las tareas en lenguaje positivo: en vez de “Tengo que terminar el informe”, escribe “Voy a jugar a hacer el informe más claro y bonito”.

4. Manténgase coherente con lo que realmente le importa a largo plazoAquí entra el pilar Sustain.Ali propone el concepto de “Identity-Based Productivity” (inspirado en James Clear):

  • En vez de “quiero leer 50 libros este año”, di “soy el tipo de persona que lee antes de dormir porque me hace feliz”.
  • Usa el sistema “Play the Long Game” con 3 preguntas semanales:
    1. ¿Qué me energizó esta semana?
    2. ¿Qué me agotó?
    3. ¿Qué pequeño ajuste haré la próxima semana?
  • Crea “rituales de identidad” (ej: cada domingo por la noche preparas té y planeas la semana → te conviertes en “la persona organizada que disfruta planear”).

5. Recarga tu energía a través de estrategias respaldadas por la cienciaEl pilar Energise está lleno de ciencia divertida. Las 3 palancas principales:

PalancaEstrategia principalEvidencia que cita Ali
PlayHaz el trabajo como juegoExperimento de “velas” de Karl Duncker: la diversión activa el pensamiento creativo
PowerEjercicio + luz solar + sueño20 minutos de cardio = mismo efecto que una dosis baja de antidepresivo
PeopleConexión socialEstudio de Harvard de 80 años: la soledad es peor que fumar 15 cigarrillos al día

Ejemplo práctico: Ali hace “walk & talk meetings” (reuniones caminando con amigos o colegas) → combina las 3 palancas a la vez.6. Haga que cualquier trabajo (por aburrido que sea) se sienta más energizante y placenteroLas 3 formas de “injectar diversión” que enseña Ali:

  1. Uncertainty (incertidumbre): convierte tareas aburridas en juego (ej: “a ver cuántas facturas puedo procesar en 15 minutos con esta playlist”).
  2. Novelty (novedad): cambia el entorno, herramientas o método cada cierto tiempo.
  3. Reward bundling: combina la tarea aburrida con algo que amas (ej: solo ves tu serie favorita mientras doblas la ropa o respondes emails).

7. Combate la procrastinación para siempre sin depender únicamente de la motivación y la disciplinaEl pilar Unblock tiene el modelo de las 3 barreras:

BarreraSolución de Ali
FearTécnica “Feel the Fear and Do It Anyway”: escribe lo peor que puede pasar (casi nunca es tan grave).
InertiaRegla de los 5 segundos de Mel Robbins o su versión “Just start for 2 minutes”.
FrictionHaz que empezar sea ridículamente fácil (ej: deja la ropa de gimnasio puesta para dormir si quieres entrenar por la mañana).

Su frase estrella: “Clarity > Motivation > Discipline” (primero claridad, luego motivación, la disciplina casi nunca es necesaria).8. Ten claridad sobre lo que realmente quieres de tu trabajo y de tu vidaAli tiene un ejercicio brutalmente efectivo llamado “The Feel-Good Filter”: Pregúntate en este orden:

  1. ¿Esto me energiza o me drena?
  2. ¿Me acerca o me aleja de la versión de mí que quiero ser en 5 años?
  3. Si nadie me pagara ni me juzgara, ¿seguiría haciendo esto?

Luego usa el marco “Ikigai modificado” pero con énfasis en lo que te hace sentir vivo (no solo en lo que el mundo necesita).9. Establece metas significativas que le ayuden a sentirse bien y a lograr másAli odia los SMART goals tradicionales. Propone PACE goals:

  • Pleasurable (placenteras)
  • Actionable (accionables)
  • Challenging (desafiadoras pero no abrumadoras)
  • Experimental (las tratas como experimentos, no como contratos)

Ejemplo: en vez de “ganar 10 000 €/mes antes de diciembre”, “experimentar con 3 nuevas fuentes de ingreso que me emocionen y ver cuál me hace sentir más vivo”.10. Encuentra alineación, satisfacción y disfrute en todo lo que hacesEl capítulo final se llama Align. La fórmula que da Ali: Alineación = Energía + Propósito + DiversiónSu ejercicio final de 10 minutos (lo hace todos los domingos):

  1. Escribe 3 cosas que te energizaron esta semana.
  2. Escribe 3 cosas que te agotaron.
  3. Elige 1 ajuste pequeño para la próxima semana que aumente lo primero y reduzca lo segundo.

Frase con la que cierra el libro:

“La productividad no se trata de hacer más. Se trata de convertirte en la versión de ti que disfruta haciendo las cosas que importan”.

Ali Abdaal

La parte más novedosa y genuinamente original de Feel-Good Productivity (lo que no se había visto tan claramente explicado ni integrado en ningún otro libro de productividad) es esta idea central que Ali repite y demuestra una y otra vez:

“La energía positiva es la CAUSA de la productividad sostenible, no la consecuencia.”

Todos los libros anteriores (GTD, Atomic Habits, Deep Work, The One Thing, 4-Hour Workweek, etc.) parten del supuesto implícito de que:

  • Primero te obligas/disciplinas/te organizas → luego consigues resultados → y SOLO DESPUÉS de conseguir resultados te permites sentirte bien.

Ali invierte completamente la ecuación (y lo respalda con estudios y su propia experiencia como médico y creador de contenido millonario):Primero tienes que sentirte bien (energizado, juguetón, alineado) → y SOLO desde ese estado la productividad alta y sostenida aparece de forma casi automática.Esto no es solo un matiz de “mindset positivo”. Es un cambio de paradigma completo con tres implicaciones revolucionarias que nadie había empaquetado así antes:

1. El “Feel-Good Filter” como filtro principal de decisión (nunca visto antes como herramienta central)En vez de preguntar “¿es esto lo más eficiente?” o “¿me acerca esto a mi meta?”, Ali te obliga a preguntar primero: → “¿Esto me energiza o me drena?” Si la respuesta es “me drena”, directamente lo eliminas o lo rediseñas, aunque sea “importante” o “urgente” en el sistema de cualquier otro autor.
Esto es radical: es la primera vez que alguien pone el bienestar subjetivo como el KPI número 1 de un sistema de productividad.

2. Las 3 palancas de la energía como el nuevo “motor” (Play – Power – People)Ningún libro había puesto el juego, el ejercicio y las relaciones sociales como los tres aceleradores principales de productividad.
Lo más cercano era el descanso o el sueño, pero Ali demuestra (con estudios) que:

  • 20 minutos de juego libre aumentan más la productividad posterior que 20 minutos extra de trabajo forzado.
  • Una conversación de 8 minutos con alguien que te cae bien tiene un efecto mayor en el rendimiento cognitivo que un café doble.

3. La técnica del “experiment design” en vez de metas rígidas (PACE en vez de SMART)Aquí está la otra gran novedad: Ali convierte toda la productividad en un videojuego de experimentación científica personal.
En vez de comprometerte con una meta, te comprometes con probar durante 2-4 semanas algo que creas que te hará sentir más vivo… y luego miras los datos (tu nivel de energía y resultados).


Esto elimina la culpa por “fallar” metas y convierte el fracaso en datos útiles. Nadie lo había sistematizado así.

En resumen: la verdadera innovación del libro, Después de 20 años de literatura de productividad basada en control, fuerza de voluntad y optimización fría, Ali Abdaal es el primero en decir (y demostrar con su vida y con ciencia) que:

El camino más rápido y sostenible para conseguir mucho más… es dejar de intentar conseguir tanto y obsesionarte con sentirte increíble mientras lo haces.

Esa inversión completa de la causalidad (sentirte bien → rendir más) en vez de la tradicional (rendir más → sentirte bien algún día) es, honestamente, lo más fresco y transformador que se ha publicado sobre productividad en la última década.

Ali Abdaal reemplaza los objetivos SMART (el estándar de toda la vida) por su nuevo sistema PACE, que es una de las partes más originales y poderosas de Feel-Good Productivity.SMART vs. PACE – La comparación directa

LetraSMART (el sistema tradicional)PACE (el sistema de Ali Abdaal)Por qué Ali dice que PACE es mucho mejor
PSpecific (Específico)Pleasurable (Placentero / que te haga sentir bien)Si la meta no te emociona ni un poco, tu cerebro la saboteará tarde o temprano. El placer es el combustible real.
AMeasurable (Medible)Actionable (Accionable – que dependa 100 % de ti)Igual que SMART, pero con un matiz: solo mide lo que tú controlas directamente (no “conseguir 50 clientes”, sino “contactar a 10 personas potenciales por semana”).
CAchievable / Attractive (Realista)Challenging (Desafiante, pero no abrumador)Tiene que estar un poco fuera de tu zona de confort para que sea excitante, pero no tanto que te paralice de miedo o estrés.
ERelevant + Time-bound (Relevante y con fecha)Experimental (Tratado como un experimento de 2-6 semanas)¡Aquí está la gran revolución! No es un compromiso de vida o muerte. Es un experimento: “Voy a probar esto durante X semanas y ver cómo me siento y qué resultados obtengo”. Si te encanta → lo sigues. Si te drena → lo cambias o lo abandonas sin culpa.

Ej examples reales que usa el propio Ali en el libro

  1. Objetivo SMART tradicional
    “Terminar de escribir mi libro antes del 31 de diciembre de 2024, escribiendo 1000 palabras diarias medibles, realista porque ya escribí 30 000 palabras, etc.”
    → Suele generar ansiedad, culpa los días malos y sensación de fracaso si te retrasas.
  2. El mismo objetivo convertido en PACE
    “Durante las próximas 8 semanas voy a experimentar escribir mi libro de una forma que me resulte placentera (solo en cafeterías con mi playlist favorita + cappuccino), de manera accionable (sentarme a escribir 4 mañanas por semana), y que sea desafiante pero no aplastante (mínimo 500 palabras por sesión, máximo ilimitado). Al final de las 8 semanas miraré: ¿me sentí energizado? ¿avancé mucho? Si sí → repito o aumento. Si me quemó → cambio el método.” Resultado real de Ali: escribió todo el libro Feel-Good Productivity usando este sistema y dice que nunca se sintió tan poco estresado escribiendo algo tan grande.

Por qué PACE destruye psicológicamente a SMART (según Ali)

  • Elimina la culpa y el autosabotaje: como es un experimento, “fallar” no existe. Solo recoges datos.
  • Mantiene la energía alta: al priorizar el placer desde el principio, tu cerebro no asocia la meta con sufrimiento.
  • Es antifrágil: cuanto más “fallas” experimentos, más rápido descubres qué te funciona de verdad.
  • Se adapta a la vida real: la vida cambia cada mes. Con SMART te atas a una meta que puede volverse irrelevante; con PACE cada 4-8 semanas revisas y ajustas sin drama.

La frase que resume todo (del propio Ali)

“Con SMART te comprometes con la meta.
Con PACE te comprometes con convertirte en la versión de ti que disfruta el proceso de acercarte a esa meta.”

Ese pequeño cambio de enfoque (del resultado final al disfrute del experimento) es una de las razones por las que mucha gente que odia establecerse metas dice que por primera vez en su vida está consiguiendo cosas grandes sin quemarse.

MediaPipe Hands

Uncategorized

página web “Partículas Interactivas con Manos”

El HTML usa MediaPipe Hands para detectar la mano en la webcam y, a partir de sus “landmarks”, calcula apertura (mano abierta/cerrada) y posición (x,y) de la mano para controlar el sistema de partículas hecho con Three.js. [pueden verse ejemplos parecidos en fritz​ y youtube]​

Librerías que intervienen

  • three (import map): se usa para toda la parte 3D (escena, cámara, partículas). ver fuente realacionada con HTML en developer.mozilla​
  • @mediapipe/camera_utils: da la clase Camera que gestiona la captura de vídeo de la webcam y llama a onFrame. ver fuente realacionada en fritz​
  • @mediapipe/hands: da la clase Hands, que ejecuta el modelo de IA de detección de manos y entrega multiHandLandmarks. ver fuente realacionada en youtube​ y fritz​
  • @mediapipe/control_utils y drawing_utils podrían usarse para UI y dibujo, pero en este código solo se cargan; la lógica de gestos la implementas tú en onResults.ver fuente realacionada en fritz​

Variables que representan el gesto

En la sección // --- 5. MEDIAPIPE HAND TRACKING --- se declaran las variables de estado que resumen el gesto:

  • handOpenness: valor en [0,1][0,1][0,1] que representa qué tan abierta está la mano (0 cerrada, 1 abierta).
  • handX, handY: posición de la mano normalizada al sistema de coordenadas de Three.js, de −1-1−1 a 111.
  • isHandDetected: indica si hay una mano detectada (para cambiar estado de la UI).

Estas variables son las que luego se usan en el bucle de animación para escalar, agitar y rotar las partículas.

Función onResults(results): interpretar landmarks

Esta función es el “callback” que MediaPipe Hands llama cada vez que procesa un frame:

  1. Comprobación de mano detectada
    • Si results.multiHandLandmarks tiene al menos una mano, se marca isHandDetected = true, se pone el punto de estado en verde y el texto “Mano detectada”.
    • Si no hay manos, se vuelve a “Buscando mano…” y se relaja la apertura hacia 1 (mano abierta por defecto).
  2. Lectura de landmarks
    • landmarks = results.multiHandLandmarks[0] toma la primera mano.
    • Usa índices estándar de MediaPipe:
      • landmarks[4]: punta del pulgar (thumbTip).
      • landmarks[8]: punta del índice (indexTip).
      • landmarks[0]: muñeca (wrist).fritz​
  3. Cálculo de apertura de mano (handOpenness)
    • Calcula la distancia euclidiana en 2D entre pulgar e índice: jsconst distance = Math.sqrt( Math.pow(thumbTip.x - indexTip.x, 2) + Math.pow(thumbTip.y - indexTip.y, 2) );
    • Normaliza esa distancia a un rango 0–1: jslet openness = (distance - 0.05) * 5; openness = Math.max(0, Math.min(1, openness));
    • Suaviza la transición con un lerp para evitar jitter: jshandOpenness += (openness - handOpenness) * 0.1;
    Resultado: si pulgar e índice están cerca, distance es pequeña → mano “cerrada” (handOpenness bajo); si están separados, mano “abierta”.fritz​
  4. Cálculo de posición de mano (handX, handY)
    • Toma la muñeca como punto de referencia de la mano: wrist.
    • Convierte coordenadas MediaPipe [0,1][0,1][0,1] a sistema Three.js [−1,1][-1,1][−1,1] e invierte Y: jsconst targetX = (wrist.x - 0.5) * 2; // 0→-1, 1→1 const targetY = -(wrist.y - 0.5) * 2; // invierte eje vertical
    • Aplica también suavizado: jshandX += (targetX - handX) * 0.1; handY += (targetY - handY) * 0.1;
    Esto da una coordenada “suave” de la mano en el espacio de cámara que luego se usa para rotar la nube de partículas.

Objeto Hands y cámara MediaPipe

Debajo se instancia y configura el detector de manos:

  • const hands = new Hands({ locateFile: (file) => ... }): indica a MediaPipe dónde cargar los archivos del modelo desde el CDN.fritz​
  • hands.setOptions({ maxNumHands: 1, modelComplexity: 1, ... }): limita a 1 mano y fija umbrales de detección y seguimiento.
  • hands.onResults(onResults): registra la función anterior como callback de resultados.

La cámara se configura con Camera de camera_utils:

jsconst cameraUtils = new Camera(videoElement, {
    onFrame: async () => {
        await hands.send({ image: videoElement });
    },
    width: 640,
    height: 480
});
cameraUtils.start();
  • Camera captura de la webcam al <video> oculto (#input-video).
  • En cada frame llama a onFrame, que a su vez envía la imagen actual a hands.send, disparando el pipeline de MediaPipe y finalmente onResults.fritz​

Uso de handOpenness, handX, handY en las partículas

En el bucle animate() se conectan las variables de gesto con la animación:

  • baseScale = 0.2 + (handOpenness * 0.8):
    • Mano abierta (handOpenness≈1) → escala grande, la figura se expande.
    • Mano cerrada (handOpenness≈0) → escala pequeña, la figura se contrae.
  • noiseAmplitude = (1.0 - handOpenness) * 0.3:
    • Mano cerrada → ruido alto → partículas vibran, efecto “energía”.
    • Mano abierta → ruido bajo → partículas más estables.
  • Rotación según posición: jsparticles.rotation.y = handX * 1.5 + time * 0.1; particles.rotation.x = handY * 1.5; Mover la mano horizontal/verticalmente rota el conjunto de partículas, y se suma una pequeña rotación automática con el tiempo.
  • En el bucle por partícula, se hace “morphing” suave hacia targetPositions escaladas por baseScale, y se suma ruido aleatorio proporcional a noiseAmplitude cuando la mano está cerrada.

Con todo esto, el flujo queda así: webcam → Camera → Hands (MediaPipe) → onResults (landmarks → handOpenness, handX, handY) → animate() (aplica esos valores a escala, ruido y rotación de las partículas).youtube​fritz​

El siguiente paso podría ser añadir otra dimensión al gesto (por ejemplo, usar la altura de la mano o el número de dedos extendidos) para cambiar entre formas (corazón/flor/Saturno/fuegos) sin tocar el ratón.

  1. https://fritz.ai/introduction-to-hand-detection-in-the-browser-with-handtrack-js-and-tensorflow/
  2. https://www.youtube.com/watch?v=eI-d5yuPeJw
  3. https://developer.mozilla.org/es/docs/Learn_web_development/Core/Structuring_content/Basic_HTML_syntax
  4. VirtualWorlds.html

Aunque creo que la verdadera continuación de este capítulo podría estar en GitHub – Viral-Doshi/Gesture-Controlled-Virtual-Mouse: Virtually controlling computer using hand-gestures and voice commands. Using MediaPipe, OpenCV Python.

Recuerda que MediaPipe es un framework de Google para machine learning en el navegador que permite procesar video en tiempo real con JavaScript, detectando gestos, rostros, poses y objetos sin necesidad de servidores potentes. Funciona con la cámara web o videos, usando modelos preentrenados que corren directamente en el navegador gracias a WebGL y WebAssembly.​

Instalación básica

Para empezar, crea un proyecto con npm e instala los paquetes necesarios. Por ejemplo, para detección de rostros o manos:

bashnpm install @mediapipe/tasks-vision @mediapipe/camera_utils @mediapipe/drawing_utils

Estos paquetes incluyen utilidades para la cámara, dibujo de landmarks (puntos clave) y soluciones de visión. Puedes usar CDN para prototipos rápidos sin instalar nada.​

Ejemplo: Detección de manos

Imagina una app que dibuja los puntos clave de tus manos en un canvas mientras mueves los dedos frente a la cámara. El flujo es: accede a la cámara, envía frames al modelo de MediaPipe y dibuja los resultados en cada frame.

xml<!DOCTYPE html>
<html>
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/camera_utils/camera_utils.js"></script>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/hands/hands.js"></script>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/drawing_utils/drawing_utils.js"></script>
</head>
<body>
  <video id="video"></video>
  <canvas id="canvas"></canvas>
  <script>
    const video = document.getElementById('video');
    const canvas = document.getElementById('canvas');
    const ctx = canvas.getContext('2d');
    
    const hands = new Hands({locateFile: (file) => `https://cdn.jsdelivr.net/npm/@mediapipe/hands/${file}`});
    hands.setOptions({maxNumHands: 2});
    hands.onResults((results) => {
      ctx.clearRect(0, 0, canvas.width, canvas.height);
      if (results.multiHandLandmarks) {
        for (const landmarks of results.multiHandLandmarks) {
          drawConnectors(ctx, landmarks, HAND_CONNECTIONS);
          drawLandmarks(ctx, landmarks);
        }
      }
    });
    
    new Camera(video, {onFrame: () => hands.send({image: video})}).start();
  </script>
</body>
</html>

Este código inicia la cámara, detecta hasta 2 manos por frame y dibuja líneas/conexiones entre los 21 puntos clave de cada mano.​​

Usos educativos y prácticos

Úsalo para interfaces gestuales (controla slides con manos), accesibilidad (seguimiento ocular para discapacidades), AR simple (filtros faciales) o análisis de pose en e-sports. En educación, crea demos interactivas para enseñar visión por computadora sin hardware especial. Prueba ejemplos en MediaPipe Studio para experimentar sin código.​

¿Qué es MediaPipe Holistic?

MediaPipe Holistic combina tres modelos en uno: detección facial (478 puntos), seguimiento de manos (21 puntos cada una) y estimación de pose (33 puntos corporales). Procesa video en tiempo real en el navegador, ideal para análisis completo del cuerpo, gestos y expresiones faciales.google+1​

Paso 1: Preparar el entorno

Crea un archivo HTML básico con un video y canvas para mostrar la cámara y los resultados.

xml<!DOCTYPE html>
<html>
<head>
    <script src="https://cdn.jsdelivr.net/npm/@mediapipe/camera_utils/camera_utils.js" 
            crossorigin="anonymous"></script>
    <script src="https://cdn.jsdelivr.net/npm/@mediapipe/drawing_utils/drawing_utils.js" 
            crossorigin="anonymous"></script>
    <script src="https://cdn.jsdelivr.net/npm/@mediapipe/holistic/holistic.js" 
            crossorigin="anonymous"></script>
</head>
<body>
    <video id="video" style="display:none;"></video>
    <canvas id="canvas" width="640" height="480"></canvas>
</body>
</html>

Usa CDN para prototipos rápidos. Para producción, instala via npm: npm i @mediapipe/holistic @mediapipe/camera_utils @mediapipe/drawing_utils.google+1​

Paso 2: Inicializar el modelo Holistic

En un <script> al final del body, crea la instancia y configura opciones.

javascriptconst videoElement = document.getElementById('video');
const canvasElement = document.getElementById('canvas');
const canvasCtx = canvasElement.getContext('2d');

// Crear instancia de Holistic
const holistic = new Holistic({
    locateFile: (file) => {
        return `https://cdn.jsdelivr.net/npm/@mediapipe/holistic/${file}`;
    }
});

// Configurar opciones (precisión media para mejor rendimiento)
holistic.setOptions({
    modelComplexity: 1,
    smoothLandmarks: true,
    enableSegmentation: true,
    smoothSegmentation: true,
    refineFaceLandmarks: true,
    minDetectionConfidence: 0.5,
    minTrackingConfidence: 0.5
});

modelComplexity: 1 equilibra precisión y velocidad. refineFaceLandmarks: true añade 468 puntos extra en la cara para iris y labios.mediapipe.readthedocs+1​

Paso 3: Manejar resultados y dibujar

Define la función que procesa cada frame y dibuja los landmarks.

javascriptholistic.onResults(onResults);

function onResults(results) {
    // Limpiar canvas
    canvasCtx.save();
    canvasCtx.clearRect(0, 0, canvasElement.width, canvasElement.height);
    canvasCtx.drawImage(results.image, 0, 0, canvasElement.width, canvasElement.height);

    // Dibujar pose (cuerpo)
    if (results.poseLandmarks) {
        drawConnectors(canvasCtx, results.poseLandmarks, POSE_CONNECTIONS, {color: '#00FF00', lineWidth: 4});
        drawLandmarks(canvasCtx, results.poseLandmarks, {color: '#FF0000', lineWidth: 2});
    }

    // Dibujar manos izquierda y derecha
    if (results.leftHandLandmarks) {
        drawConnectors(canvasCtx, results.leftHandLandmarks, HAND_CONNECTIONS, {color: '#CC0000', lineWidth: 5});
        drawLandmarks(canvasCtx, results.leftHandLandmarks, {color: '#00FF00', lineWidth: 1});
    }
    if (results.rightHandLandmarks) {
        drawConnectors(canvasCtx, results.rightHandLandmarks, HAND_CONNECTIONS, {color: '#00CC00', lineWidth: 5});
        drawLandmarks(canvasCtx, results.rightHandLandmarks, {color: '#FF0000', lineWidth: 1});
    }

    // Dibujar rostro
    if (results.faceLandmarks) {
        drawConnectors(canvasCtx, results.faceLandmarks, FACEMESH_TESSELATION, {color: '#C0C0C070', lineWidth: 1});
        drawConnectors(canvasCtx, results.faceLandmarks, FACEMESH_RIGHT_EYE, {color: '#FF3030', lineWidth: 1});
        drawConnectors(canvasCtx, results.faceLandmarks, FACEMESH_RIGHT_IRIS, {color: '#FF3030', lineWidth: 1});
    }

    canvasCtx.restore();
}

Los constantes como POSE_CONNECTIONS, HAND_CONNECTIONS, FACEMESH_TESSELATION vienen incluidas en @mediapipe/drawing_utils.google+1​

Paso 4: Iniciar la cámara y bucle de procesamiento

Conecta la cámara web y envía frames continuamente.

javascriptconst camera = new Camera(videoElement, {
    onFrame: async () => {
        await holistic.send({image: videoElement});
    },
    width: 640,
    height: 480
});
camera.start();

Ejecuta todo el código y abre en el navegador. MediaPipe detectará automáticamente tu pose, manos y rostro en tiempo real, dibujando conexiones de colores diferentes para cada parte.mediapipe.readthedocs+1​

Qué mas podemos hacer

  • Accede a coordenadas: results.poseLandmarks[11].x (hombro derecho).
  • Añade segmentación: usa results.segmentationMask para fondos virtuales.
  • Optimiza: baja modelComplexity a 0 para móviles.
    Prueba en MediaPipe Studio primero para ver resultados sin código.google+1​
  1. https://ai.google.dev/edge/mediapipe/solutions/guide?hl=es-419
  2. https://ai.google.dev/edge/mediapipe/solutions/setup_web
  3. https://mediapipe.readthedocs.io/en/latest/getting_started/javascript.html
  4. https://ai.google.dev/edge/mediapipe/solutions/studio?hl=es-419

Generative AI and LLMs

Uncategorized

Resumen Detallado de “Generative AI and LLMs for Dummies: Embrace Generative AI and LLMs with the Snowflake Data Cloud”Autor y Contexto General
El libro Generative AI and LLMs for Dummies, edición especial de Snowflake, fue escrito por David Baum y publicado en 2024 por John Wiley & Sons en colaboración con Snowflake, una plataforma líder en gestión de datos en la nube. Este libro forma parte de la popular serie “For Dummies”, conocida por su enfoque accesible y amigable para principiantes, sin requerir conocimientos técnicos profundos. Su objetivo principal es proporcionar una introducción clara a la inteligencia artificial generativa (Gen AI) y los modelos de lenguaje grandes (LLMs, por sus siglas en inglés), enfatizando su integración con plataformas de datos como Snowflake Data Cloud.  El texto no se adentra en detalles matemáticos complejos, sino que busca cerrar la brecha entre expertos en IA y profesionales de áreas como marketing, ventas, finanzas y productos. Destaca cómo estas tecnologías revolucionan la vida personal y profesional, desde asistentes digitales que gestionan correos electrónicos hasta chatbots que interactúan con datos empresariales en múltiples industrias, idiomas y especialidades. El enfoque está en la conveniencia, productividad y conectividad, con un énfasis en la gobernanza de datos y el despliegue práctico.  El libro tiene aproximadamente 50-60 páginas (en formato PDF), dividido en capítulos concisos, y está disponible gratuitamente en el sitio web de Snowflake. Incluye iconos típicos de la serie (como bombillas para consejos o advertencias para precauciones) y recursos adicionales en línea.Estructura del Libro (Tabla de Contenidos Principal)
Basado en la edición estándar, el libro se organiza en una introducción y tres capítulos principales, con un enfoque progresivo: desde los fundamentos hasta la implementación práctica. Aquí va un resumen de la estructura:  Introducción: Explica el propósito del libro, los iconos utilizados y recursos “más allá del libro” (como enlaces a herramientas de Snowflake). 
Capítulo 1: Introducing Gen AI and the Role of Data (Introduciendo la Gen AI y el Rol de los Datos). 
Capítulo 2: Understanding Large Language Models (Entendiendo los Modelos de Lenguaje Grandes). 
Capítulo 3: Implementing LLM Applications (Implementando Aplicaciones de LLMs).

A continuación, un resumen detallado capítulo por capítulo, incorporando los highlights clave mencionados en la descripción del libro.Capítulo 1: Introducing Gen AI and the Role of DataEste capítulo establece el contexto histórico y la importancia de la Gen AI en el mundo empresarial, subrayando que los modelos de IA solo son tan buenos como los datos que los alimentan.  Contexto Histórico de la Gen AI: Baum traza la evolución de la IA desde los primeros sistemas de reglas hasta el aprendizaje profundo moderno. Explica cómo la Gen AI surgió con avances en redes neuronales transformadoras (transformers), que permiten procesar secuencias de datos de manera eficiente. Se menciona el rol de las GPUs (unidades de procesamiento gráfico) en operaciones matriciales masivas, acelerando el entrenamiento de modelos. 
Introduciendo LLMs y Modelos Fundacionales: Los LLMs son sistemas de IA avanzados entrenados en conjuntos de datos masivos (petabytes de texto de libros, artículos y sitios web públicos). Generan respuestas creativas e inteligentes, como resúmenes concisos o sugerencias de palabras clave para SEO. Ejemplos incluyen chatbots de servicio al cliente, herramientas de traducción y análisis financiero. 
Transformando el Paisaje de la IA y Acelerando Funciones: La Gen AI automatiza tareas mundanas (generación de código, análisis de datos, creación de contenido), liberando a los trabajadores del conocimiento para tareas creativas. Se discute el equilibrio entre seguridad (evitar fugas de datos) y facilidad de uso. 
El Rol de los Datos en Proyectos de IA: Enfatiza la importancia de la gobernanza de datos centralizada. Snowflake Data Cloud se presenta como una plataforma ideal para almacenar, analizar y compartir volúmenes masivos de datos de manera segura, democratizando el acceso para equipos mientras minimiza costos y complejidad. 
Explicando la Importancia de la Gen AI para la Empresa: Cubre modelos preentrenados, la gestión de proyectos con plataformas en la nube y cinco pasos para comenzar con Gen AI: (1) Identificar necesidades empresariales; (2) Evaluar datos disponibles; (3) Elegir un LLM adecuado; (4) Implementar gobernanza; (5) Desplegar y monitorear.

Puntos Clave: El capítulo cierra reconociendo que la Gen AI impulsa decisiones basadas en datos, pero advierte sobre riesgos como sesgos en los datos de entrenamiento.Capítulo 2: Understanding Large Language ModelsAquí se profundiza en los conceptos clave de los LLMs, categorizándolos y explicando su adaptación a casos de uso específicos. Es el corazón teórico del libro, ideal para entender “qué son” antes de “cómo usarlos”.  Categorizando LLMs: Divide en LLMs de propósito general (versátiles para tareas diversas, como GPT de OpenAI) y específicos de tareas/dominios (optimizados para industrias como finanzas o salud). 
Definiendo LLMs de Propósito General: Estos modelos usan técnicas de aprendizaje profundo para entender y generar texto similar al humano. Ejemplos: XLNet (para traducción multilingüe y creación de contenido) y Snowflake Copilot (un LLM afinado por Snowflake para generar SQL a partir de lenguaje natural). 
Usando LLMs Específicos de Tareas y Dominios: Se discute el fine-tuning (ajuste fino) de parámetros de entrada para adaptar modelos a datos propietarios. Incluye el uso de LLMs como motores de razonamiento lógico, resumen de información y optimización de contenido. 
Reconociendo la Importancia de la Gobernanza de Datos: Todos los stakeholders (expertos en IA, marketers, etc.) deben priorizar la seguridad. Se explica cómo plataformas como Snowflake permiten acceso seguro a datos privados, reduciendo riesgos de privacidad. 
Adaptando LLMs a Tu Caso de Uso: Consejos prácticos para seleccionar un LLM apropiado, como evaluar tamaño del modelo, costo computacional y compatibilidad con datos empresariales.

Puntos Clave: El capítulo destaca que los LLMs no solo procesan texto, sino que también manejan datos multimodales (texto + imágenes). Incluye tips para prompt engineering: cómo formular consultas para obtener respuestas óptimas.Capítulo 3: Implementing LLM ApplicationsEl capítulo final se centra en la acción: cómo desarrollar, desplegar y orquestar aplicaciones prácticas. Es el más orientado a la implementación, con énfasis en interfaces amigables y Snowflake.  Desarrollando Aplicaciones con Interfaces Amigables: Guía para crear chatbots y asistentes que integren datos empresariales. Ejemplos: Automatización de tareas repetitivas, soporte a decisiones y generación de informes. 
Seleccionando un LLM Apropiado: Criterios como escalabilidad, integración con nubes (e.g., Snowflake) y rendimiento en idiomas/especialidades. 
Técnicas para Entrenar, Afinar y Desplegar Modelos de ML: Cubre orquestación de agentes de IA (agrupar LLMs para tareas complejas), uso de GPUs en notebooks de Snowflake y despliegue en producción. 
Viendo Cómo Orquestar Agentes de IA: Explica flujos de trabajo donde múltiples LLMs colaboran, como un agente que analiza datos y otro que genera visualizaciones. 
Gestionando Proyectos de Gen AI: Pasos para involucrar stakeholders, medir ROI y manejar desafíos éticos (e.g., sesgos, alucinaciones en respuestas).

Puntos Clave: Enfatiza la integración con Snowflake para centralizar datos, lo que optimiza costos y asegura cumplimiento normativo. Incluye casos reales, como usar Gen AI para insights ocultos en datos empresariales.Conclusión y Temas Transversales
El libro concluye reiterando que la Gen AI no es solo una herramienta técnica, sino un catalizador para innovación empresarial. Destaca la necesidad de un enfoque data-céntrico: datos limpios y gobernados son el fundamento de modelos exitosos. Snowflake se posiciona como el “hub” ideal, permitiendo experimentación rápida sin comprometer la seguridad.  Fortalezas y Limitaciones: Es ideal para principiantes o no técnicos, con lenguaje sencillo y ejemplos prácticos. Sin embargo, no profundiza en código o matemáticas avanzadas, y algunas características de Snowflake mencionadas podrían evolucionar (como advierte el disclaimer).  Recomendación: Si eres nuevo en IA, este libro es un excelente punto de partida. Para más profundidad, complementa con recursos de Snowflake Academy o experimentos prácticos en su plataforma. 

Este resumen se basa en la descripción oficial y extractos disponibles públicamente Y naturalmente está hecho con IA, concretamente con Grok.