Planet

Trabajo realizado
Gracias al proyecto he aprendido como funciona FAI. He sido capaz de modificar paquetes como initramfs-tools o live-initramfs (que no sabe todo el mundo ).
También he podido hacer un repositorio de paquetes para facilitar el uso de estos paquetes que son los únicos que sirven para servir Ubuntu 8.10 desde el propio Ubuntu 8.10.
Trabajo pendiente
Un objetivo que me había propuesto era usar un control de versiones como subversion y al final no lo he hecho. No obstante ahora dentro de una asignatura de la universidad he aprendido a usarlo.
Como la mayoría de veces trabajo offline es posible que apenas use svn y use git en su lugar.
Despedida en FAI
Me he despedido de la lista de correo de FAI y al decir que estaba decepcionado con Ubuntu pues ha habido algo de discusión. Se plantea si tiene sentido que FAI siga en Ubuntu. Y a la par se plantea otra manera de servir Ubuntu 8.10 desde Debian sin tantos problemas.
Soporte futuro
Si alguno de vosotros quiere ayuda con los paquetes del repositorio, con la configuración de FAI o cualquier otro tema aqui teneis mi email: adrian15sgd ARROBA gmail PUNTO com .
También podeís hacer comentarios en este mismo post pero puede que dentro de dos años ya no los responda o algo parecido entoncés usad el correo de más arriba.

Al final de varios intentos mandé un bug que sirve para tres paquetes relacionado con mi trabajo. Con suerte algún día lo arreglarán. ¿Quizás en Karmic Koala? No lo sé.

Hola a todos, como prometí en mi último post, hoy hablaré de lo que ha supuesto para mí la participación en el Concurso y lo que  he sacado.
Primero reiterar la felicitación a los finalizas tas y a los que tiene mención especial.
Bien también decir que recomiendo a todos participar ya que se aprende muchísimo, y hasta te se pueden interesar empresas grandes en el producto (pentaho,BBVA, etc ,…) y la verdad , esta chulo.
Lo que me llevo del todo esto, es:

1. RC no será SL, tendrá licencia privada.
2. una aplicación se base en lo que un usuario, normalmente con conocimientos mínimos o nulos  vea botones. molones y que la aplicación tenga mil y una chorrada, aunque detrás solo sea cartón.
3. Que hay mas talibanismo en el SL que fuera, cosa que para mi es una novedad.
4. Que esa teoría de que en SL todos se ayudan es tan ridícula como cuando alguien dice “ganamos todos” la iproquesia me fascina.

No todo son cosas malas también hay cosas buena.

1. Se manejar mejor que nunca un SVN
2. ¿y he dicho que  manejo mejor el SVN?

Futuro de RC pues la versión Alo será LGPL y después pasaremos a un modelo de licencias si es que los nuevos integrantes del grupo acceden. Y sino se le regalara a los de vanilla que esos si que les va el cuero y el dolor.
Con esto, termina, el camino dentro del SL, por lo menos a lo que a mi respecta.
Y para terminar tres  frases:
Para que coño quiero una Ubuntu si tengo un Mac OS y para que quiero MySql si tengo un Oracle ,  Los hombres sabios aprenden mucho de sus enemigos. hoy yo soy mas sabio y La verdad es bella, sin duda, pero las mentiras también lo son.
Mañana se colocara un post con los nuevos intrigantes del grupo.
Saludos buena suerte y buenas noches

Para la presentación de GECO en la Fase Final del Concurso Universitario de Software Libre he preparado un pequeño comic en el que creo que se muestra de una manera más clara y amena el porqué de GECO.

Tras muchas horas de análisis de los servicios web que hay actualmente en la web me he alegrado de que gran parte del trabajo me lo voy a ahorrar gracias a que otros se adelantaron ...

Gracias a un sistema de etiquetas bien diseñado y que puede ser compartido entre dominios, i.e., que funciona bien… si lo diseñamos bien XD podemos aplicar un verdadero enfoque práctico de algoritmos evolutivos de búsqueda.
Quiero ...

El pasado Jueves 30 de Abril pasé la prueba de la lectura del proyecto ante el tribunal. La nota fue de 8,8, Notable, y y los peros no vinieron por la metodología, el producto o el diseño, que fue en su mayoría alabado, sino por la documentación.
Después de este tirón de orejas toca seguir trabajando. Ahora con el sistema de inscripciones en el sistema de deportes, y con otros proyectos que aún andan pendientes.

Casi un mes después de haber publicado la versión 0.2.0 de eOPSOA, hoy publicamos la versión de mantenimiento 0.2.1. Es bastante posible que sea la última versión antes de presentar el proyecto, pero lo mismo dije antes...Cambios en esta versión:

• Corregidos algunos (pequeños) bugs.
• Pequeña actualización de las traducciones.
• Añadidos iconos e imágenes.

Para descargar eOPSOA tienes dos opciones, o bien descargar eOPSOA desde la forja de Molinux, o seguir las instrucciones de instalación para utilizar el Update Manager de Eclipse. Tú elíges ;-)Por lo demás, durante estos días he estado preparando la presentación del III CUSL de Sevilla: refinando la presentación que hice en Cuenca, grabando algunos vídeos de la aplicación... etc. Tengo casi decidido que no pondré ningún vídeo en la presentación (no es precisamente espectacular ver cómo se especifica un Caso de Uso :-P), pero tampoco está de más tener alguno por si surge la ocasión.Y la verdad es que poco más, a ver cómo se da la aventura :-). Como he comentado antes no creo que pueda actualizar el blog mientras esté en Sevilla, pero imagino que si podré sacar ratillos sueltos para escribir en Twitter.Nos vamos para Sevilla!!

Acabamos de terminar un primer esbozo del módulo de caracterización de imágenes. Actualmente, la aplicación incluye sólo dos operaciones de caracterización, a saber, media e histograma de una imagen sobre una región de interés.
El funcionamiento de la aplicación a la hora de caracterizar imágenes es muy similar al funcionamiento del procesamiento de paquetes de imágenes.
En primer lugar, se debe crear un paquete de imágenes que contenga las imágenes a caracterizar. Esto ya lo hemos explicado con anterioridad.
Posteriormente, el usario debe crear un generador de vector de caracterización. ¿Qué es un generador de vector de caracterización?
La caracterización de una imagen no es más que un vector de caracterización, el cual almacena medidas de caracterización. Una medida de caracterización es una propiedad numérica atribuible a una imagen, como, por ejemplo, la media de los valores de los píxeles de la imagen, o su histograma. Cuando se caracteriza una imagen, interesa calcular sobre ella diversas medidas de caracterización, para así aglutinar una mayor cantidad de información de ésta. Una vez creadas las medidas de caracterización, éstas son agrupadas en un vector de caracterización, que se asocia a la imagen, y que representa toda la información extraída de ella.
Un generador de vector de caracterización permite al usuario especificar cuál es la estructura del vector de caracterización que se genere al caracterizar una imagen. Por ejemplo, un generador de vector de caracterización podría especificar que el vector de caracterización generado contuviera dos medidas de caracterización, la media y el histograma.
Así pues, el siguiente paso es la creación de un generador de vector de caracterización. Para ello, el usuario accede a la vista de Caracterización de Imágenes, donde puede crear un generador de vector de caracterización pulsando el botón correspondiente, e introduciendo su nombre.

Tras crear el generador, el usuario debe insertar las operaciones que calcularán las medidas de caracterización del respectivo vector de caracterización. Si el usuario quiere que el vector de caracterización generado por un generador de vector de caracterización contenga, por ejemplo, la media y el histograma, el usuario deberá insertar dichas operaciones en el generador. El procedimiento es sencillo: del árbol de operaciones de caracterización, se selecciona la operación en cuestión, se introducen sus parámetros, y se inserta en un generador de vector de caracterización (proceso análogo al de la inserción de las cadenas de operaciones en el procesamiento de paquetes de imágenes).

Tras definir los paquetes de imágenes a caracterizar y los generadores de vector de caracterización, se configura la ejecución de la caracterización. La vista Caracterización de Imágenes permite lanzar un diálogo de configuración, desde el cual se configura y ejecuta la caracterización.

Tras presionar el botón Caracterizar, se desencadena la caracterización. Los datos generados de la caracterización son visualizados en un editor.

Actualmente, sólo se pueden visualizar los datos generados durante la caracterización. Insistimos, esto es un primer esbozo de la caracterización.
Por ahora, nos centraremos en crear más operaciones de caracterización, así como en permitir manipular los vectores de caracterización y guardar los informes de caracterización generados en ficheros persistentes.

Acabamos de terminar un primer esbozo del módulo de caracterización de imágenes. Actualmente, la aplicación incluye sólo dos operaciones de caracterización, a saber, media e histograma de una imagen sobre una región de interés.
El funcionamiento de la aplicación a la hora de caracterizar imágenes es muy similar al funcionamiento del procesamiento de paquetes de imágenes.
En primer lugar, se debe crear un paquete de imágenes que contenga las imágenes a caracterizar. Esto ya lo hemos explicado con anterioridad.
Posteriormente, el usario debe crear un generador de vector de caracterización. ¿Qué es un generador de vector de caracterización?
La caracterización de una imagen no es más que un vector de caracterización, el cual almacena medidas de caracterización. Una medida de caracterización es una propiedad numérica atribuible a una imagen, como, por ejemplo, la media de los valores de los píxeles de la imagen, o su histograma. Cuando se caracteriza una imagen, interesa calcular sobre ella diversas medidas de caracterización, para así aglutinar una mayor cantidad de información de ésta. Una vez creadas las medidas de caracterización, éstas son agrupadas en un vector de caracterización, que se asocia a la imagen, y que representa toda la información extraída de ella.
Un generador de vector de caracterización permite al usuario especificar cuál es la estructura del vector de caracterización que se genere al caracterizar una imagen. Por ejemplo, un generador de vector de caracterización podría especificar que el vector de caracterización generado contuviera dos medidas de caracterización, la media y el histograma.
Así pues, el siguiente paso es la creación de un generador de vector de caracterización. Para ello, el usuario accede a la vista de Caracterización de Imágenes, donde puede crear un generador de vector de caracterización pulsando el botón correspondiente, e introduciendo su nombre.

Tras crear el generador, el usuario debe insertar las operaciones que calcularán las medidas de caracterización del respectivo vector de caracterización. Si el usuario quiere que el vector de caracterización generado por un generador de vector de caracterización contenga, por ejemplo, la media y el histograma, el usuario deberá insertar dichas operaciones en el generador. El procedimiento es sencillo: del árbol de operaciones de caracterización, se selecciona la operación en cuestión, se introducen sus parámetros, y se inserta en un generador de vector de caracterización (proceso análogo al de la inserción de las cadenas de operaciones en el procesamiento de paquetes de imágenes).

Tras definir los paquetes de imágenes a caracterizar y los generadores de vector de caracterización, se configura la ejecución de la caracterización. La vista Caracterización de Imágenes permite lanzar un diálogo de configuración, desde el cual se configura y ejecuta la caracterización.

Tras presionar el botón Caracterizar, se desencadena la caracterización. Los datos generados de la caracterización son visualizados en un editor.

Actualmente, sólo se pueden visualizar los datos generados durante la caracterización. Insistimos, esto es un primer esbozo de la caracterización.
Por ahora, nos centraremos en crear más operaciones de caracterización, así como en permitir manipular los vectores de caracterización y guardar los informes de caracterización generados en ficheros persistentes.