24 de marzo de 2014

Reportaje de Resultados Experimentales

Investigación
Semana 9

El 11 de Marzo del 2014 llevé a cabo la novena reunión con mi asesora de tesis donde se dio revisión a mi trabajo con el avance que tenía en cuanto a redacción y código.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • En el servicio web que devuelve el texto de una imagen, se agregaron condiciones para evitar resultados en blanco cuando el archivo no se encuentra y se produce un error solo visible desde terminal, ahora se muestra un mensaje de "archivo no encontrado" en caso de que este no exista.
  • Antes por error se podían agregar productos con campos totalmente en blanco, entonces se agregó en el modelo validaciones para los datos a guardar.
  • Se implementó un método para crear un producto desde peticiones HTTP.
  • Se modificó el "README" para el servicio web.

Redacción de la tesis

  • Se corrigieron los errores ortográficos detectados en la reunión anterior.
  • Se agregó más información al capítulo de metodología.

Crear nuevo producto desde HTTP

En la parte de desarrollo se implementó una forma de creación de productos sin la necesidad de hacerlo desde el formulario que se implementó anteriormente. para esto se creó un método que mediante una petición HTTP obtenga los parámetros y los guarde como un producto nuevo.

La URL lleva los parámetros que caracterizan a un producto, y estos deben de estar presentes para que logre ser guardado correctamente, en caso contrario se devuelve un error.

/api/new?name=Nombre&company=Empresa&origin=Pais&description=Datos&rate=0
Como ejemplo se añadió un producto nuevo a los ya antes agregados, esto escribiendo la URL desde la barra de direcciones del navegador.


Al presionar Enter la petición es mandada y esta es procesada por el servicio web que tenemos implementado.

Cuando intentamos entrar a la URL y no escribimos ningún parámetro podemos observar que obtenemos como resultado un JSON que describe el error producido.


Podemos intentar escribir algunos parámetros correctamente pero si nos falta alguno recibiremos de igual forma el error, en este ejemplo faltó sólo un parámetro, el de descripción, entonces la petición no procede y se devuelve el mensaje donde menciona que ese parámetro no puede estar en blanco.


Cuando tenemos una URL correcta con todos los parámetros escritos, la petición procede correctamente, entonces el servidor recibe los parámetros para crear un producto nuevo, y cuando este es guardado exitosamente se devuelve en formato JSON los datos del producto.


Podemos consultar desde el listado de productos que la última petición fue agregada correctamente.


También podemos realizar una consulta en formato JSON como en semanas anteriores se había hecho, y se obtiene algo como lo siguiente. Se omitieron los productos anteriores, sólo para demostración.

[
  { ... },
  {
    "id": 18,
    "name": "Galletas María",
    "company": "Gamesa",
    "origin": "México",
    "description": "Nutritivo",
    "rate": 4
  }
]

Avances para la siguiente semana

  • Realizar un análisis de experimentos.
  • Terminar de agregar texto faltante.
  • Realizar correcciones mencionadas.
  • Implementar búsqueda de productos vía API.

11 de marzo de 2014

Diseño Experimental

Investigación
Semana 8

El 4 de Marzo del 2014 llevé a cabo la octava reunión con mi asesora de tesis donde se dio revisión a mi trabajo con el avance que tenía en cuanto a redacción y código. En esa entrega me falto completar los primeros capítulos y tuve poco avance en lo que era parte de esa semana, por lo que perdí un par de puntos en mi calificación de la semana. La asesora me mencionó muchas correcciones que había que hacer y se explicó el avance de redacción que debería presentar para esta semana.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • Añadir en los agradecimientos a los revisores.
  • Mejora de algunos párrafos para evitar que parezca lista.
  • Añadir subsecciones a donde sólo hay una subsección huérfana.
  • Corregir problema con nombre de autores.
  • Agregar más contenido a los capítulos 4 y 5.
  • Diseñar la prueba de experimentos.
  • Prueba para determinar proporción de texto recuperado.
  • Reutilización de funciones en el código.

Redacción de la tesis

El objetivo de la semana en la redacción de la tesis fue diseñar experimentos. En esta se nos pidió que explicáramos qué se va a probar, con que hardware, con cuántos usuarios y con que datos.

En otras palabras lo que se realizó fue plantear las pruebas que se harán al programa/sistema que estamos desarrollando, esto para cuando se tenga una versión terminada o prototipo disponible.

En mi caso los experimentos los divido en dos secciones, la relacionada a pruebas de desempeño computacional, y la relacionada a pruebas de usabilidad con el usuario.

Para las medidas de desempeño computacional tome en cuenta los tiempo de ejecución, memoria necesaria, porcentaje de texto recuperado.

Mientras que para las pruebas de usabilidad, se tomó en cuenta métodos como el "grupo focal", con por lo menos 5 personas de diferentes sexos y edades.

Proporción de texto recuperado con diferentes técnicas usadas

Utilizando la librería difflib que provee métodos para determinar la proporción con que una palabra, frase o texto, tiene en similitud con otro parecido o casi idéntico, realicé una prueba para poder comparar la efectividad de diferentes técnicas que he usado hasta el momento en el preprocesamiento de a imagen, lo cual afecta directamente en el desempeño que la herramienta para reconocimiento de texto ofrece.

Para esta prueba, usando una imagen, se copió todo el texto original de un cierto empaque de producto en un archivo de texto plano. Luego se ejecutó el programa que realiza pruebas con ciertas combinaciones de técnicas y se agregó la función que se encarga de comparar el texto recuperado con el texto original.

Se muestra el resultado que se generó después de la ejecución para cada prueba en la imagen, y se menciona la técnica que se utilizó en la imagen.

Imagen en escala de grises.

Uso de escala de grises y binarización invertida.

Difuminado Gaussiano y umbral de Otsu.

Difuminado medio y umbral adaptativo.

Mientras que en el terminal se puede observar el valor de la proporción obtenida de la comparación del texto original y del recuperado.

Los resultados que se obtuvieron desde el terminal están en el mismo orden en que se muestran anteriormente las técnicas usadas en las imágenes.

$ python main.py images/text-sample-3.jpg
Tesseract Open Source OCR Engine v3.02.02 with Leptonica
### Similarity Ratio ###
0.826848249027
Tesseract Open Source OCR Engine v3.02.02 with Leptonica
### Similarity Ratio ###
0.764598540146
Tesseract Open Source OCR Engine v3.02.02 with Leptonica
### Similarity Ratio ###
0.836935166994
Tesseract Open Source OCR Engine v3.02.02 with Leptonica
### Similarity Ratio ###
0.442250740375
Como podemos observar en los resultados la primer y tercera prueba obtuvieron un buen resultado, recuperando hasta un 83% del texto original. Y con lo cual para este caso particular podríamos descartar el uso de la cuarta técnica debido a que la cantidad de texto recuperado fue menos de la mitad.

Es necesario realizar más pruebas con otras imágenes para poder determinar si la variación en los colores, contraste o calidad en la imagen parece afectar en los resultados con dichas técnicas, o si ciertas técnicas mejoran el reconocimiento de texto dependiendo de las características de la imagen.

Avances para la siguiente semana

  • Realizar una prueba de los experimentos planteados.
  • Continuar con correcciones y redacción.
  • Continuar con la implementación de la API.

4 de marzo de 2014

Implementación de la Solución Propuesta

Investigación
Semana 7

El 28 de Febrero del 2014 llevé a cabo la séptima reunión con mi asesora de tesis donde se dio revisión a mi trabajo con el avance que tenía en cuanto a redacción y código, al igual que en las semanas anteriores realicé correcciones en la redacción, agregué e hice cambios en el documento de tesis, y se me explicó lo que vendría a continuación para esta semana.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • Corrección de errores.
  • Se volvió a cambiar el diseño de la matriz de características para que las columnas fueran menos anchas.
  • Agregar más contenido a algunos párrafos.
  • Modificar la autobiografía para que este redactada en primera persona.
  • Corregir plurales y singulares al citar autores.
  • Avance de código en el pre-procesamiento de la imagen.
  • Recortar la zona donde se detectaron líneas continuas que pudieran ser líneas de texto.

Para lograr rotar las cabeceras de la matriz de características se consultó la siguiente página: How to make table with rotated table headers in LaTeX.

Para lograr centrar en la página los ejemplos para XML y JSON se consultó la siguiente página: How to center verbatim.

Redacción de la tesis

Para esta semana se nos pidió acomodar bien el contenido de la metodología y avanzar en lo posible en el capítulo de solución propuesta.

De forma general mi asesora nos explicó a mi y mis compañeros que la parte de la metodología siempre va antes de cualquier otra cosa, y es donde hay que explicar las fases y técnicas, tal como si fuese la parte administrativa y de planeación de un proyecto.

Y que después de todo esto vendrán las discusiones acerca de la selección de herramientas como sus comparativas correspondientes. Y dentro de subsecciones de la solución propuesta viene todo lo que es la especificación técnica y funcional de programa implementado.

Esto entre otros tantos detalles que hay que corregir, como la extensión de los párrafos y secciones, el uso de palabras que no están en español, etcétera.

Recorte de imagen después de detectar líneas

La semana pasada mostré como era posible encontrar líneas rectas dentro de la imagen con texto, para poder encontrar la zona en la que habríamos de enfocarnos para la detección de texto. Como mostraba en esa ocasión era necesario recortar la zona que formaba una caja alrededor de donde iniciaban y terminaban las líneas.

Al correr el programa con la misma imagen de prueba de la semana pasada, la detección de líneas se muestra como sigue:


Después de esto podemos detectar los puntos de inicio y fin de estas líneas, con el fin de tomar estos puntos como las esquinas de una caja que encerrará el texto. Cabe mencionar que además se les dio un margen de 50 pixeles, para evitar cortar líneas de texto a la mitad.


Después de esto aplicamos los filtros tradicionales para poder recurrir al modulo de reconocimiento de texto.


La imagen anterior es la que entra para el reconocimiento de texto, y con esto ayudamos a que la lectura sea más clara y evitamos que tenga información basura debido al ruido que envuelve a la imagen.

Avances para la siguiente semana

  • Plantear un diseño experimental.
  • Seguir mejorando la redacción.
  • Realizar una prueba para determinar la cantidad de texto recuperado con diferentes técnicas usadas.

28 de febrero de 2014

Diseño de la Solución Propuesta

Investigación
Semana 6

La sexta reunión con mi asesora de tesis la lleve a cabo en línea el 21 de Febrero del 2014 donde se dio revisión a mi avance de tesis de acuerdo a lo contemplado para la semana, se pidieron hacer correcciones en el documento de la tesis, se pidió completar los primeros capítulos por completo, y por último se explicó de forma general lo que había que hacer para esta semana.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • Corrección de errores.
  • Se cambio el diseño de la matriz de características.
  • Agregar más contenido a algunos párrafos.
  • Terminar los primeros capítulos.
  • Redactar la autobiografía.
  • Proponer la metodología.
  • Estructurar el contenido que se hará para la solución propuesta
  • Avance de código en el pre-procesamiento de la imagen.

Metodología y solución propuesta

En el capítulo de solución propuesta se agregará todo lo que contribuimos. En forma general se explica qué y cómo hicimos el proyecto. Algunas secciones pueden ser:
  • El diseño para la interfaz de usuario.
  • El diseño de la arquitectura.
  • La implementación de algoritmos.
  • Especificaciones.
  • Casos de uso.
  • Características, funcionalidades y módulos.
En el capítulo de metodología se incluyen una explicación de como se hace lo que haremos en términos de fases y técnicas. Se agregan secciones como:
  • La planeación del proyecto.
  • La selección de herramientas.
  • Las fases de desarrollo.
  • Requisitos del sistema.
Para esta semana la tarea asignada fue comenzar la estructura de estos capítulos, y comenzar la redacción en caso de ser posible.

Mejora del pre-procesamiento de la imagen

Se realizaron cambios en el módulo encargado de procesar la imagen antes de pasarlo al módulo de reconocimiento de texto.

En esta ocasión se tomó la siguiente imagen como muestra y se probó la nueva secuencia de filtros para conocer el resultado. Como se puede ver en esta imagen original, el texto es menos visible que en ejemplos usados anteriormente, lo cual dificulta mucho el reconocimiento de texto ya que se pierde con el color de fondo.


En este caso usando binarización invertida se logró el siguiente resultado.

memories:research ramongonzalez$ python improvement.py

Tesseract Open Source OCR Engine v3.02.02 with Leptonica
RESPONSABLE DE LA FABRICACION: UNILEVER DE MEXICO, 3.
P: E2: DL cv. IEPALCAPA ND. 2. COL. RANCHO STO. DOMINGO,
mg‘: AN. EDO. DE MEXICO. C.P. 54900. HECHO EN MEXICO.

:mWD=.uxDLw v DISTRIBUIDO POR UNILEVER DE CENTROAMERLCA,
SA, EN GUATEMALA, 24 AVENIDA CALZADA ATANASIO TZUL
356?. ZONA 12 , REG. D.G.R.V.C.S.-D.R.C.A. A-40091; EL
SALVADOR, BLVD. DEL EJERCITO NAC. KM 3 1/2, SAN

SWADOR, RLEG.19849D.G.S.; HONDURAS, ANILLO PERLEERLCD.
TEGUCIGALPA, REGRSA; NICARAGUA CARRETERA NUEVA A LEON
  KM 10 1/2, MANAGUA. REG. No.; COSTA RLCA, DEL CRUCEDE I
1 SAN ANTONIO DE BELEN, 400 m OE _  800 g.- E
L LEREDLA, REGLSIRD SANDADLD     L   ,  

:1-:“:¢\:.;¥€9‘

memories:research ramongonzalez$
También inicié con pruebas para aplicar otra buena práctica para el pre-procesamiento de la imagen, que es recortar la imagen dejando únicamente el área donde se tiene texto, pero para esto primero se necesita conocer donde recortar. Entonces usando detección de líneas podemos encontrar zonas donde debería de haber texto.

El resultado en la misma imagen fue el siguiente, y como podemos ver el trazo de las líneas verdes coinciden con la ubicación de líneas de texto.


Después de esto faltará crear un cuadro delimitador que encierre sólo el texto, recortarlo y probar nuevamente con el reconocimiento de texto.

Avances para la siguiente semana

  • Implementación de la solución propuesta.
  • Hacer cambios sugeridas a la tesis.
  • Implementar el modelo de la base de datos.

21 de febrero de 2014

Resumen de Trabajos Relacionados Relevantes

Investigación
Semana 5

La quinta reunión con mi asesora de tesis la lleve a cabo en línea el 14 de Febrero del 2014 donde se dio revisión a mi avance de tesis de acuerdo a lo contemplado para la semana, se sugirieron algunas modificaciones para los archivos de LaTeX, se sugirió tratar de completar los primeros capítulos por completo, y por último se explicó de forma general la tarea con que habría de cumplir para esta semana.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • Corrección de errores en el documento de tesis.
  • Creación de una matriz comparativa de características con los trabajos relacionados.
  • Explicación breve de estos trabajos relacionados.
  • Explicación de las características para el nuestro trabajo de tesis.
  • Avance de código en el modulo de servicio web.

Resumen de trabajos relacionados relevantes

En la sección de matriz de características dentro de mi tesis agregue los trabajos que tienen mayor similitud en ciertos aspectos en comparación con el trabajo que estoy desarrollando.

Se creó una tabla que en sus columnas muestra características de los trabajos, y por cada fila se evalúa a alguno de los trabajos relacionados relevantes.

Se marcó con una "paloma" aquellos que si cumplen con la característica, con una "cruz" los que no, y con un "asterisco" aquellos que cumplen parcialmente.

Prueba de procesamiento a través del servicio web

Como prueba de concepto se añadió un método que se encarga de ejecutar el script de python con una imagen de prueba almacenada previamente en el servidor, la cual será procesada para obtener el texto encontrado en la misma y posteriormente desplegar el resultado en la página web.


Avances para la siguiente semana

  • Diseño de la solución propuesta.
  • Terminar el contenido de los primeros capítulos.
  • Crear diccionario de palabras y evaluar el porcentaje de texto recuperado en comparación con el original.

14 de febrero de 2014

Búsqueda y Clasificación de Trabajos Relacionados

Investigación
Semana 4

La cuarta reunión con mi asesora de tesis la lleve a cabo en línea el 7 de Febrero del 2014 donde se dio revisión a mi avance de tesis de acuerdo a lo contemplado para la semana, se sugirieron algunas modificaciones para los archivos de LaTeX, hubo algunos consejos generales en cuanto a la extensión que deben de llevar los textos a lo largo de todo el trabajo de tesis, y por último se explicó de forma general la tarea con que habría de cumplir para esta semana.

Tareas realizadas

De forma general las tareas realizadas fueron las que se listan a continuación:
  • Corrección de errores en el documento de tesis.
  • Búsqueda de trabajos relacionados con mi tesis.
  • Explicación de cada trabajo relacionado encontrado con su respectiva cita.
  • Avance de código para el modulo de servicio web.

Búsqueda de trabajos relacionados

En la sección de trabajos relacionados dentro de mi tesis agregue los trabajos encontrados divididos en algunas subsecciones de acuerdo a la temática de cada uno. Para la búsqueda de trabajos relacionados utilice algunos buscadores/servicios como Google Scholar, ACM Digital Library, ScienceDirect, IEEE Xplore y Springer Link donde encontré gran cantidad de información de artículos y algunos libros, de los cuales algunos es posible la descarga de forma gratuita, pero esto depende de la red a donde estés conectado, por ejemplo dentro la red de la universidad es posible acceder de forma gratuita a muchos de los mismos, cumpliendo la condición de que los mismos sean para uso personal y con fines de investigación.

Para lograr encontrar los trabajos relacionados fue necesario hacer búsquedas con palabras claves, las cuales pudieran arrojar un buen listado de artículos y/o libros similares a la temática de mi tesis. Entre las palabras/frases que usé para esta búsqueda se encuentran las siguientes:
  • ocr
  • text recognition
  • image processing for text recognition
  • analysis of text information
  • information analysis
  • text analysis
Encontré un total de 15 trabajos relacionados, veamos algunos de estos:
  • Data Management And Analysis Methods
    Gery W. Ryan and H. Russell Bernard
  • A method for text localization and recognition in real-world images
    Lukas Neumann and Jiri Matas
  • Untangling Text Data Mining
    Marti A. Hearst
  • Speech and Text-Image Processing in Documents
    Marcia A. Bush
  • Robust Pre-processing Techniques for OCR Applications on Mobile Devices
    Loh Zhi Chang
  • Language-support System Using Character Recognition
    Kikuo Asai
  • Effective Text Extraction and Recognition for WWW Images
    Jun Sun
  • Information Retrieval and OCR: From Converting Content to Grasping Meaning
    Jamie Callan
Para cada uno de los anteriores y de los faltantes en esta lista, se escribió una pequeña explicación de que temática abordan y por qué estos están relacionados a mi trabajo.

Creación de una API para obtención de datos

Usando el framework Ruby on Rails cree una API sencilla que se encarga de recuperar datos almacenados en una base de datos, y los devuelve en formato JSON.

En pocas palabras para esta API se hace llamar a una URL, tal y como se puede hacer con AJAX de Javascript desde el navegador, y esta regresa como contenido información estructurada en su formato JSON, el cual después puede ser utilizado para un posterior procesamiento o simplemente mostrar esta información por algún medio.

La siguiente imagen muestra como se ve el resultado para la consulta de un producto con el ID 2.


Cuando se intenta consultar una URL de un producto el cual no existe en la base de datos se muestra un mensaje de error.


También se puede acceder a toda la lista de productos de una sola vez.


Los datos fueron agregados para la prueba por medio de formularios básicos. Se muestra la vista web donde esta el listado de los productos y las opciones de eliminar, editar y visualizar.


Avances para la siguiente semana

  • Resumen de trabajos relacionados relevantes.
  • Corrección de errores y avance de más textos dentro de la tesis.
  • Mejorar la detección de texto en imágenes siguiendo las sugerencias proporcionadas por la comunidad de OCR.

7 de febrero de 2014

Identificación y Estructuración de Antecedentes

Investigación
Semana 3

La tercera reunión con mi asesora de tesis la lleve a cabo el 30 de Enero del 2014 desde el CIIDIT donde se dio la revisión al trabajo realizado en la semana anterior, así como explicación de las tareas generales a realizar para la semana tres. Nuevamente hubo sugerencias y correcciones por hacer en el documento de mi tesis, esta vez se mencionó todo lo necesario en cuanto código de LaTeX que había que agregar para poder continuar con el capítulo de antecedentes.

Tareas generales realizadas

  • Fue necesario cambiar a quién estaba contemplado como coasesor de tesis debido a que esta persona era externa a la facultad, y decidí colocar como un revisor más a la Dra. Sara Elena Garza Villarreal, quién forma parte del grupo de investigadores involucrados en el proyecto de toma de decisiones ecológicas, en el cual participo de manera voluntaria.
  • Se agregaron dos comandos para aplicar colores a ciertos textos en el documento de LaTeX con el fin de resaltar aquellos contenidos que están pendientes de revisión o que aún se trabaja en corregir algunos textos.
  • El orden de algunas secciones dentro de los capítulos fueron cambiados, con el fin de que todo lleve una secuencia lógica y entendible, como el caso de la introducción donde ahora los motivos y justificación serán mencionados antes de iniciar con la hipótesis y objetivos del proyecto.
  • Se añadieron los archivos necesarios y faltantes para la inclusión de la bibliografía al final del documento.
  • También se hizo una reestructuración más "limpia" de la carpeta con todos los contenidos, ya que eran muchos archivos que se mezclaban con los autogenerados por LaTeX.
  • Se creó un script de bash simple para automatizar la generación del pdf de salida, ya que siempre había que ejecutar los mismos comandos una y otra vez cada que se quería ver el resultado.

Identificación de antecedentes

Para el capítulo de antecedentes se buscaron aquellos temas y conceptos de los cuales hay que tener conocimiento previo para lograr entender completamente que es lo que se esta realizando y desarrollando junto con el trabajo de tesis.

Debido a que hay que contemplar todo aquello que puede no ser de conocimiento general, se listaron algunos conceptos y definiciones de palabras que seguramente todo aquel que esta involucrado con temas de tecnología y desarrollo de software son de uso cotidiano.

Entre algunos de los conceptos que incluí fueron pixel, resolución y filtro, que si bien parecen muy simples, es necesario definirlos para evitar confusión al lector.

Módulo básico para análisis de información

En cuanto a código esta semana trabajé en un módulo encargado únicamente de procesar información básica que se puede encontrar en la etiqueta o empaque de un producto. Entre la información clave será necesario identificar:
  • Lugar de origen.
  • Empresa quien elabora el producto.
  • Información de contacto.
  • Información nutrimental/ingredientes o material con que se fabrica.
  • Información que previene al consumidor de cierta acción o uso del producto.
  • Etcétera.

Por el momento hice pruebas para detección de lugar en base a un diccionario de lugares conocidos.

También se hizo una prueba para reconocer si un texto parece ser positivo o negativo, con el fin de estar preparados en su momento para un módulo que busque tuits relacionados al uso de un producto y conocer si la impresión es positiva o negativa.

El programa tiene incluido una serie de lineas de texto con la información a analizar.
fragments = [
    "Nueva Wal-Mart de Mexico",
    "PEPSI-COLA",
    "COCA-COLA",
    "Smart product",
    "Tastes horrible",
    "the 28th of december",
    "the ticket is 212-323-1239",
    "from Mexico",
    "number 1 800 567-4321",
    "costs $23 per person",
    "website http://theevent.com",
    "some comments at #coolevent",
    "David david32@gmail.com"
]
La ejecución de prueba resulto como se ve a continuación.
memories:research ramongonzalez$ python language_processor.py 
mexico is a known place
<<Nueva Wal-Mart de Mexico>> contains a place
****************************
smart is positive word
so <<Smart product>> is a positive text
****************************
horribleis negative word
so <<Tastes horrible>> is a negative text
****************************
mexico is a known place
<<from Mexico>> contains a place
****************************
<<some comments at #coolevent>> has a hashtag
****************************
memories:research ramongonzalez$
Para tener una idea de a donde se puede llegar con la implementación de este módulo, analicé el funcionamiento de esta herramienta creada en Javascript, que es un acercamiento a un procesador de lenguaje natural, el cual identifica información proveniente de un texto.

Esta herramienta se encuentra disponible en Knwl.js.

La meta será llegar a tener algo muy parecido implementado en Python. Mientras tanto el código implementado se encuentra en el repositorio.

Trabajo por realizar

  • Mejorar los textos redactados hasta el momento y ampliar algunos contenidos.
  • Continuar con el escrito de los antecedentes en donde solo se mencionó la referencia bibliográfica.
  • Iniciar con la creación del modelo encargado de la escritura en una base de datos.
  • Prueba de una API sencilla de donde se pueda consultar información almacenada en el servidor.
  • Investigar sobre proyectos y trabajos relacionados.