Implementación de arquitecturas cliente-servidor locales para el despliegue de modelos de lenguaje (LLM) mediante Ollama y Python

Nombre de la actividad: Implementación de arquitecturas cliente-servidor locales para el despliegue de modelos de lenguaje (LLM) mediante Ollama y Python

Módulo/Asignatura/Curso: Alumnado de 2º de ASIR, módulos de Administración de Sistemas Operativos y Servicios de Red e Internet.

Sesiones de trabajo estimadas: 15 sesiones.

Dificultad (baja, media, alta): alta

Profesor/a: Toñi Soto Gutierro

Fecha: 15/04/2026

Objetivos principales

• Configurar y administrar el motor de IA Ollama en entorno local.

• Desarrollar un backend funcional en Python con Flask para la gestión de servicios web.

• Gestionar métricas del sistema (CPU, RAM, almacenamiento) para su procesamiento lógico. 

Descripción de la actividad

Instalación y configuración del entorno técnico: servidor Flask (backend) y motor Ollama con el modelo Llama 3.2. El alumnado debe asegurar la comunicación asíncrona mediante JavaScript entre el frontend (HTML/CSS) y el servidor local, gestionando peticiones HTTP y variables de entorno para la seguridad del sistema.

Dificultades encontradas

Requisitos de hardware para la ejecución fluida del modelo Llama 3.2 y configuración de la comunicación entre capas (arquitectura de tres capas).

Enlaces a videos de la actividad realizada

https://drive.google.com/file/d/1bVGSSB4Uld8MonoXmQXfZKPxzqGA_N0X/view?usp=drive_lin

Diseño de la imagen corporativa para nuestra empresa simulada

Nombre de la actividad: Diseño de la imagen corporativa para nuestra empresa simulada

Módulo/Asignatura/Curso: 2º CFGM Gestión Administrativa Vespertino

Sesiones de trabajo estimadas: 10 sesiones.

Dificultad (baja, media, alta): media

Profesor/a: María Luísa García Collado

Fecha: 22/03/2026

Objetivos principales

• Esta actividad se enmarca dentro del proyecto CITE del centro, promoviendo metodologías activas basadas en el aprendizaje cooperativo, la creatividad y la resolución de retos vinculados al entorno profesional de la familia de Administración y Gestión. A través del diseño de la identidad corporativa de la empresa simulada, se pretende fomentar el trabajo colaborativo y la toma de decisiones consensuada en contextos empresariales, mediante el uso de herramientas de diseño gráfico e inteligencia artificial aplicada. Asimismo, la actividad favorece el desarrollo de la competencia digital, la comunicación visual, la capacidad de análisis y la creatividad del alumnado en la construcción de una marca empresarial propia y contextualizada en un entorno de simulación real.

Descripción de la actividad

La actividad se inició con una dinámica de brainstorming orientada a la definición del modelo de negocio de la empresa simulada, permitiendo al alumnado consensuar tanto el sector de actividad como la denominación comercial de la empresa: JAER.

A partir de esta decisión, los estudiantes desarrollaron un proceso colaborativo de creación de la identidad corporativa de la empresa, trabajando aspectos relacionados con la imagen de marca, el diseño del logotipo, la selección de colores corporativos y la definición de los elementos visuales representativos de la organización.

Durante el desarrollo de la actividad se integraron metodologías activas y estrategias de aprendizaje cooperativo, fomentando la participación, la creatividad y la toma de decisiones en equipo. Asimismo, el alumnado utilizó distintas herramientas digitales e inteligencia artificial generativa, como Canva, ChatGPT, Gemini y aplicaciones de diseño asistido por IA (g, que facilitaron la creación del logotipo, la mejora de propuestas visuales y la elaboración del dossier de identidad corporativa 

Para el desarrollo de la actividad, el alumnado utilizó distintas herramientas digitales e inteligencia artificial generativa, como Canva, ChatGPT y aplicaciones de diseño asistido por IA, que facilitaron la creación del logotipo, la mejora de propuestas visuales y la elaboración del dossier de identidad corporativa 

Como producto final, los distintos grupos de trabajo presentaron una propuesta completa de documentación corporativa, que sirvió como base para el inicio de la actividad empresarial de la empresa simulada “JAER” dentro de Empresa en el Aula y para trabajar en su Proyecto Intermodular.

Dificultades encontradas

No se detectaron dificultades significativas durante el desarrollo de la actividad, salvo en la fase de exposición oral, debido a la falta de hábito de los alumnos en esta destreza comunicativa.

Reconocimiento de imágenes mediante Teachable Machine

Nombre de la actividad: Reconocimiento de imágenes mediante Teachable Machine

Módulo/Asignatura/Curso: 1º curso del Ciclo Formativo de Grado Superior de Desarrollo de Aplicaciones Multiplataforma (DAM) MMV y MV, dentro del módulo profesional de Sistemas Informáticos. 

Sesiones de trabajo estimadas: 6 sesiones.

Dificultad (baja, media, alta): alta

Profesor/a: Mª Guadalupe Anes Pulido

Fecha: 13/04/2026

Objetivos principales:

• Introducir al alumnado en los fundamentos de la Inteligencia Artificial y el aprendizaje automático.

• Comprender el proceso de entrenamiento, validación y uso de modelos de clasificación de imágenes.

• Relacionar herramientas de IA con los sistemas informáticos actuales y sus aplicaciones profesionales.

• Desarrollar competencias digitales avanzadas vinculadas al ciclo formativo de Desarrollo de Aplicaciones Multiplataforma (DAM).

• Fomentar el trabajo colaborativo, el análisis crítico y la resolución de problemas técnicos.

Descripción de la actividad

Se ha llevado a cabo una práctica utilizando la herramienta web Teachable Machine, que permite crear modelos básicos de aprendizaje automático sin necesidad de programación compleja.

El alumnado, organizado por parejas o pequeños grupos, ha entrenado modelos de reconocimiento de imágenes mediante la cámara del equipo informático. Un grupo ha desarrollado un sistema capaz de identificar los gestos correspondientes al juego Piedra, Papel o Tijera, mientras que otros equipos han diseñado modelos de clasificación visual aplicados a objetos cotidianos, periféricos informáticos o elementos tecnológicos.

Durante el proceso, el alumnado ha recopilado muestras de imágenes, ha entrenado el modelo, ha evaluado los resultados obtenidos y ha realizado mejoras mediante nuevas capturas de datos. Posteriormente, se ha analizado cómo este tipo de sistemas se integra en aplicaciones reales relacionadas con la automatización, seguridad, interfaces inteligentes y visión artificial.

Dificultades encontradas

Diferentes niveles previos de conocimiento técnico entre el alumnado.

Problemas puntuales de hardware (cámaras, micrófonos, rendimiento de equipos).

Comprensión inicial de conceptos como entrenamiento, datos, sesgo o precisión.

Enlaces a videos de la actividad realizada

https://drive.google.com/file/d/10xQmxCsWyUaLr0M4Nv8ADZPvUyNTxT_U/view?usp=drive_link