Maria Jose Molina Contreras

Es una bióloga molecular de plantas que actualmente trabaja como científica de datos en INFARM (Berlín, Alemania).
En su tiempo libre, le encanta desarrollar proyectos que puedan ayudar a las personas que la rodean, especialmente a las personas que están ansiosas por aprender cosas nuevas en tecnología. Por esa razón, trata de desarrollar proyectos que sean amigables para principiantes, incluyendo temas complejos.

Es miembro activo de las comunidades de Python Berlin, ayuda a organizar talleres y participa activamente en la tutoría de los recién llegados (especialmente, personas que están cambiando de carrera) y dando charlas en muchas comunidades locales como PyLadies y también en conferencias internacionales. Además, participó en la traducción de la documentación de python (inglés-español) y es coordinadora en el canal de discord de "Python en Español".


Personal website

mjmolina.xyz

Twitter

MJ_BIO

LinkedIn

mjmolinacontreras

Any other link (e.g. GitHub)

mjmolina


Sessions

10-01
11:30
35min
Respira mejor: Creando un sistema de monitoreo y predictivo para calidad del aire en interiores.
Maria Jose Molina Contreras

En los últimos dos años mucha gente ha pasado a un estilo de trabajo totalmente remoto, lo que nos ha hecho darnos cuenta de beneficios de los que no éramos conscientes, pero lamentablemente también de algunos pequeños inconvenientes, como problemas relacionados con la salud.

En esta charla, exploraremos cómo construir un sistema funcional para rastrear la calidad del aire, recoger nuestros propios datos utilizando diferentes sensores e implementar un enfoque predictivo para evitar futuros problemas de salud.
Vamos a sumergirnos en las diferentes configuraciones para interactuar con los sensores de calidad del aire utilizando Python en microcontroladores y sistemas embebidos, recogiendo sus propios datos para evaluar diferentes factores como humedad, temperatura, CO2, partículas, pero eso no es todo, también nos adentraremos en la implementación de un modelo de aprendizaje automático predictivo para predecir los niveles de CO2 en interiores y alertarnos en base a las predicciones antes de los niveles críticos.

La idea principal de esta charla es mostrar con un ejemplo práctico cómo podemos implementar sistemas de monitorización y aprendizaje automático en casa, y al mismo tiempo, los asistentes verán cómo Python es una gran opción para la monitorización de la calidad del aire interior complementada con un modelo predictivo (Neural Network) para el CO2 interior, mientras se divierten construyendo y monitorizando su casa.

Embedded Python and IoT
Margaret Hamilton (Teoría 8)