commit conf

Recursos de programación de commit conf
Que hoy por hoy las arquitecturas de canales se han orientado fuertemente a componentes es una realidad irrefutable. Importantes compañías del sector tecnológico han desarrollado frameworks que proporcionan modelos de componentes al que se suben los desarrolladores para realizar soluciones competitivas. Este modelo es una aproximación de éxito si se busca entrega temprana, pero puede conducir a situaciones de alto riesgo en el plano arquitectónico. Especialmente si trabajamos en compañías de alta volumetría no deberíamos permitir que toda nuestra arquitectura de canal Web descansará sobre soluciones tecnológicas de terceros como Google o Facebook. La construcción de un modelo de negocio propio a la corporación es una garantía en todos los sentidos. A lo largo de esta charla discutiremos la conveniencia de crear estrategias de definición de modelos de componentes propios, visitaremos diferentes patrones y modelos arquitectónicos de interés en este sentido y presentaremos Origami Frog, un framework específicamente diseñado para la definición de modelos corporativos de componentes Web. Reflexiva, disruptiva e innovadora que revisita muchos espacios de interés esta charla invita al pensamiento crítico, pero a la vez pone foco en descubrir un espacio de arquitecturas generativas poco conocidas en general. Sin lugar a dudas, esta es una sesión que no te deberías perder. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
Crea tus propios estilos y scripts personalizados y añádelos a cualquier página para comprobar de un vistazo multitud de barreras de accesibilidad. Modifica el aspecto o el comportamiento de tus webs favoritas, cambiando colores o fuentes, simplificando su interfaz o eliminando partes que no te interesan como menús o pies de página. En esta charla enseñaré cómo aplicar CSS y JS personalizados a cualquier página web, así como diversos trucos y ejemplos prácticos para facilitar esta tarea. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
¿Cuántas veces has realizado un proyecto de Machine Learning completo y una vez finalizado el comportamiento no es el deseado? ¿Y cuántas de esas veces no somos capaces de encontrar el origen de dichos problemas para solucionarlos? La observabilidad en Machine Learning es la capacidad de obtener información sobre el rendimiento de nuestro modelo durante todos los pasos de Machine Learning. Cuando trabajamos en Machine Learning, tenemos claros los pasos a seguir, como la lógica de negocio, análisis de datos, entrenamiento y despliegue, todo ello por supuesto bajo las prácticas de MLOps. Incluir observabilidad en nuestros proyectos de Machine Learning nos permitirá detectar errores, encontrar su origen y subsanarlos lo antes posible para su mejora continua. En esta charla hablaremos sobre qué es la observabilidad en Machine Learning y por qué es importante en nuestros proyectos. Veremos cómo podemos trabajar para obtener un sistema observable y aprenderemos como aplicar dichas técnicas en los distintos pasos de un proceso de Machine Learning. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
Nuestra presentación tratará sobre la complejidad del desarrollo orientado a eventos de funcionalidades, tanto sobre arquitecturas de microservicios como sobre tecnologías monolíticas. Entre otras cosas hablaremos sobre como utilizamos: - Disparadores de eventos AWS S3. - Máquinas de estados - AWS Step functions. - Sistemas de migración de bases de datos en modo CDC. - Kinesis como nuestra autopista de información La información recolectada en este proceso muestra que los sistemas migrados son: - Más eficientes a nivel recursos. - Más confiables y menos disruptivos sobre el resto de la organización. - Más confiables en el tiempo que se tarda en llevar los productos al mercado. - Más sencillos de mantener, evolucionar y probar. Mostraremos ejemplos concretos de arquitecturas, diseños, y desarrollos en ambos tipos de sistemas y los beneficios que nos ha traído en Openbank. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
Uno de los principales retos en los proyectos de Machine Learning es llevar el código del Data Scientist a producción. Por ello, en los últimos años han aparecido diferentes herramientas y y técnicas de MLOps que facilitan este proceso, pero muchas veces requieren refactorizar o vincular tú código con alguna herramienta. En esta charla veremos cómo resolver este problema por medio de una arquitectura de contenedores. Esto nos permite productivizar nuestro código local en un entorno cloud con cero fricción separando completamente el código del productivización del código de Machine Learning y hacerlo agnóstico a la plataforma. Finalmente veremos un caso práctico de como esta solución se podría aplicar en herramientas como AWS Sagemaker o Airflow además de diferentes consejos y recomendaciones basadas en mi experiencia. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX