Sospechosos habituales

* **Resolución de acertijos:**
* **Búsqueda e indexación en Android:**
* **Crítica de software y visores PDF:**
* **Limitaciones de metabuscadores:**
* **Comparativa de *smartwatches*:**
* **Ecosistema Apple y anécdota personal:**

## Palabras Clave

`DocSearch Plus` · `DEVONthink` · `Indexación de archivos` · `PDF Viewer` · `Google Drive` · `Spotlight` · `Samsung Watch 5` · `Sincronización iOS`

Hoy os hablo de la WNBA (sí, la NBA femenina), mujeres con carácter y la (fracasada a veces) cultura de la cancelación.
Este podcast está asociado a la red de Sospechosos Habituales donde podréis encontrar otros muchos podcast de diferentes temáticas.

Con tanto cambio climático y tanto incendio corremos el peligro de olvidar el calendario de desgracias del PSOE.
Este podcast está asociado a la red de Sospechosos Habituales donde podréis encontrar otros muchos podcast de diferentes temáticas.

¿Sabías que puedes convertir cualquier texto en coordenadas de 1024 dimensiones y hacer búsquedas inteligentes, clasificación automática o detección de duplicados sin depender de servicios en la nube? En este episodio te enseño a utilizar los embeddings con Ollama para potenciar tus documentos, correos y apuntes desde tu propio equipo Linux.
Los embeddings son una de las tecnologías más fascinantes de la inteligencia artificial actual. Básicamente, convierten palabras, frases o párrafos enteros en vectores numéricos que capturan su significado. Esto permite que un ordenador entienda que "gato" está más cerca de "felino" que de "nevera", y mucho más: desde búsqueda semántica hasta clasificación sin entrenamiento, pasando por deduplicación de documentos y sistemas de recomendación.
Lo mejor de todo es que no necesitas una GPU potente ni una cuenta en ningún servicio externo. Con Ollama ejecutándose en local y el modelo BGE-M3 (multilenguaje, con soporte para español), puedes generar embeddings desde la terminal con una simple llamada curl o con unas pocas líneas de Python. Y si necesitas escalar, ChromaDB te ofrece una base de datos vectorial completa con persistencia en disco y filtros por metadatos.
Capítulos del episodio:
0:00 - Introducción y concepto de embeddings
2:42 - ¿Qué son los embeddings exactamente?
5:13 - Modelos de embeddings: BGE-M3, all-MiniLM-L6-v2
7:25 - Cómo generar embeddings con Ollama y curl
8:01 - Búsqueda semántica: más allá de grep
11:57 - Búsqueda semántica con Python y NumPy
14:29 - Bases de datos vectoriales para escalar
14:53 - Clasificación sin entrenar el modelo
18:20 - Clasificación de sentimientos y categorías
20:02 - Deduplicación de documentos con embeddings
24:50 - Sistema de recomendaciones con similitud semántica
27:15 - ChromaDB: base de datos vectorial persistente
29:02 - Casos de uso y próximos episodios sobre RAG
Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram (el grupo) 👉 https://t.me/atareao_con_linux
✈️ Telegram (el canal) 👉 https://t.me/canal_atareao
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao

Da igual si nos vamos a 50 o a 5.000 kms. Hay que tener en cuenta una serie de cuestiones que nos evitarán serios problemas en caso de incidentes con dispositivos digitales. Aquí tienen 10 consejos.
1. Asegurar la accesibilidad sin conexión a internet.
2. Planificar el peor escenario: la pérdida del dispositivo.
3. Preparar la logística digital tanto para viajes largos como cortos.
4. Descargar mapas offline.
5. Conocer las limitaciones de la navegación sin conexión.
6. Utilizar la asistencia de la Inteligencia Artificial.
7. Medicinas.
8.Llevar activado el modo de ahorro de energía.
9. Integrar la regla de los quince minutos.
10. Comprobar el almacenamiento libre antes de salir.
Podcast asociado a la red de SOSPECHOSOS HABITUALES. Suscríbase con este feed: https://wt.territoriolinux.es/rss/short.xml