azure

El tema de hoy seguro que no deja a nadie indiferente Serverless, olvida los problemas del backend y céntrate en la UX. Un buen comienzo puedes encontrarlo en este artículo: ServerlessDurante el episodio hablamos de PaaS (Jelastic), IaaS, SaaS,... de paquetes de desarrollo (Serverless.com) y las tecnologías cloud orientadas a esta tecnología:Cloud PúblicosAWS LambdaGoogle Cloud FunctionsAzure FunctionsIBM BluemixCloud PrivadosIron FunctionsOpenStack PicassoFissionApache OpenWhiskOpenFaaSY para los que quieran empezar ya en su equipo local a programar como locos sus propias funciones ready to FaaS, aquí os dejamos los ejemplos de Iron Functions para empezar Iron Functions Examples, y la guía para empezar a trabajar con Iron FunctionsTodos los que tengáis comentarios o sugerencias para el podcast podéis enviarnos un correo a programaresunamierda@gmail.com o dejarnos un comentario en Twitter: @progesunam .No olvidéis de suscribiros a nuestro podcast en iVoox o iTunes, o si lo preferís agregad el RSS a vuestra app de podcast preferida. En cualquier caso siempre agradeceremos reviews del podcast en cualquiera de las plataformas.

El tema de hoy seguro que no deja a nadie indiferente Serverless, olvida los problemas del backend y céntrate en la UX. Un buen comienzo puedes encontrarlo en este artículo: ServerlessDurante el episodio hablamos de PaaS (Jelastic), IaaS, SaaS,... de paquetes de desarrollo (Serverless.com) y las tecnologías cloud orientadas a esta tecnología:Cloud PúblicosAWS LambdaGoogle Cloud FunctionsAzure FunctionsIBM BluemixCloud PrivadosIron FunctionsOpenStack PicassoFissionApache OpenWhiskOpenFaaSY para los que quieran empezar ya en su equipo local a programar como locos sus propias funciones ready to FaaS, aquí os dejamos los ejemplos de Iron Functions para empezar Iron Functions Examples, y la guía para empezar a trabajar con Iron FunctionsTodos los que tengáis comentarios o sugerencias para el podcast podéis enviarnos un correo a programaresunamierda@gmail.com o dejarnos un comentario en Twitter: @progesunam .No olvidéis de suscribiros a nuestro podcast en iVoox o iTunes, o si lo preferís agregad el RSS a vuestra app de podcast preferida. En cualquier caso siempre agradeceremos reviews del podcast en cualquiera de las plataformas.

Siempre has escuchado el termino Machine learning y pones caras raras? En esta sesión explicaremos de una manera muy sencilla los principales conceptos. También veremos cómo Azure Machine Learning Studio nos ayudará a crear nuestros experimentos de una manera fácil y sencilla. Además veremos cómo Python nos puede echar una mano a la hora de ejecutar algunos scripts que puedan ser necesarios para pre-procesar nuestros datos. Introducción a Machine Learning ¿Qué es? • Principales conceptos: • Aprendizaje supervisado y no supervisado • Aprendizaje supervisado • Clasificación • Regresión • Detección de anomalías. • Algoritmos de aprendizaje automático • Tipos de algoritmos • ¿Cómo puedo elegir el algoritmo adecuado? • Python tools visual studio (¡Soporte para Python en VS!) • Probar nuestros scripts de python • Azure Machine Learning Studio • Obtener los datos • Preprocesar los datos • Definir las características • Elegir y aplicar un algoritmos de aprendizaje • Probar nuestro experimento y publicarlo • Ejemplos adicionales de experimentos Por último, veremos una aplicación desarrollada en Flask que realizará el proceso de cuantización de imágenes haciendo uso de los Web services creados con Azure Machine Learning.

Pub-Sub / Publish-Subscribe"In software architecture, publish–subscribe is a messaging pattern where senders of messages, called publishers, do not program the messages to be sent directly to specific receivers, called subscribers, but instead categorize published messages into classes without knowledge of which subscribers, if any, there may be. Similarly, subscribers express interest in one or more classes and only receive messages that are of interest, without kn...

Pub-Sub / Publish-Subscribe"In software architecture, publish–subscribe is a messaging pattern where senders of messages, called publishers, do not program the messages to be sent directly to specific receivers, called subscribers, but instead categorize published messages into classes without knowledge of which subscribers, if any, there may be. Similarly, subscribers express interest in one or more classes and only receive messages that are of interest, without kn...

Antes de irnos de vacaciones hemos querido dejaros una pequeña joya, el episodio 27 de nuestro podcast donde comparamos AWS y Azure con Javi Moreno, Resident Futurist & Evangelist en CAPSiDE.

Dharma will describe the internals of the system design and various design trade-offs they had to make in the process of building Azure Cosmos DB service. He will also share his experiences from operating a globally distributed database service worldwide and maintaining comprehensive Service Level Agreements (SLAs).

A popular pattern today is the injection of declarative (or functional) mini-languages into general purpose host languages. Years ago, this is what LINQ for C# was all about. Now there are many more examples such as the Spark or Beam APIs for Java and Scala. The opposite embedding is also possible: start with a declarative (or functional) language as the outer host and then embed a general purpose language. This is the path we took for Scope years ago (Scope is a Microsoft-internal big data analytics language) and have recently shipped as U-SQL. In this case, the host language is close to T-SQL (Transact SQL is Microsoft’s SQL language for SQL Server and Azure SQL DB) and the embedded language is C#. By embedding the general purpose language in a declarative language, we enable all-of-program (not just all-of stage) optimization, parallelization, and scheduling. The resulting jobs can flexibly scale to leverage thousands of machines.

Dharma Shukla (@dharmashukla) is a Distinguished Engineer at Microsoft. Dharma is also the founder of a globally distributed, multi-tenant database service on Azure. Prior to working on the current system, his work spanned a range of distributed systems and databases at Microsoft and other places.

El líder indiscutible del cloud es AWS, pero tiene un competidor que le sigue de cerca. Bueno, siendo realistas no tan de cerca, pero que se ha acercado mucho en estos últimos tiempos. Hemos visto el avance de Lambda, y como pasó de ser un anuncio en el re:Invent del 2014, a ocupar varias charlas en el re:Invent del año pasado. Teniendo en cuenta que ahora mismo, tenemos el sistema distribuido entre: el lambda de siempre, en el snowball y próximamente en la ejecución lambda de los nodos edge de cloudfront y en los productos que usen AWS Greengrass, pero la pregunta es: ¿cual es la herramienta de Azure para combatir Lambda?