python

Software Engineer & Published Author Adrienne Braganza Tacke is a Filipina software engineer, keynote speaker, published author of the book Coding for Kids: Python, and a LinkedIn Learning instructor who specializes in Cloud Development courses. Perhaps most important, however, is that she spends way too much money on desserts and ungodly amounts of time playing Age of Empires II!

En los últimos tiempos en mi grupo de investigación hemos estado investigando asuntos relacionados con el lenguaje de programación Python y su dinámica comunidad. En particular nos hemos centrado en dos cuestiones: por un lado, hemos estudiado el concepto de pitónico (Pythonic), que viene a ser la forma más elegante (o sea, legible y bonita) de programar en Python. De esta manera, hemos explorado cómo los desarrolladores de Python entienden el término 'Pythonic', hemos construido un catálogo de 'modismos pitónicos' recopilados de la literatura y hemos realizado algunas conjeturas sobre los efectos de tener un término específico en Python asociado a cómo ha de ser el código elegante. Por otro lado, hemos estado trabajando en identificar el nivel de comprensión de Python de un programador, partiendo como inspiración del marco CEFR que se utiliza habitualmente con lenguaje natural (ese que dice que uno es B1 en alemán, nivel intermedio, o C2 en inglés, nivel avanzado). Así, nos gustaría poder determinar qué nivel de código Python puede entender (y modificar), y hablaremos de qué posibilidades nos ofrece tener una herramienta así, tanto para novatos como para profesionales. ¿Quién es el ponente? Gregorio Robles, Catedrático de la Universidad Rey Juan Carlos. ¿Quieres ver otros tutoriales? https://www.youtube.com/c/ParadigmaDigital/playlists ¿Quieres escuchar nuestros podcasts? https://www.ivoox.com/podcast-apasionados-tecnologia_sq_f11031082_1.html ¿Quieres saber cuáles son los próximos eventos que organizamos?: https://www.paradigmadigital.com/eventos/

En Septiembre de 2021 la actividad seísmica en la isla de la Palma sufrió un pico que vaticinó el inicio de un episodio volcánico que cambió la isla dramáticamente. Miles de personas fueron desplazadas e innumerables infraestructuras fueron destruidas o afectadas. Desde el primer momento diferentes organismos públicos publicaron los datos que se capturaban para entender el avance de las coladas de lava, así como la actividad sísmica. En esta charla se mostrará cómo se automatizó el proceso para cargar en Elasticsearch (una base de datos NoSQL) tanto la actividad sísmica como la extensión de las coladas y las construcciones afectadas utilizando el SDK de Elasticsearch para Python y Github Actions. Finalmente se mostrará cómo se puede utilizar Kibana para visualizar toda esta información, incluyendo visualizaciones geográficas y animaciones.

At Typeform, our customer support agents handle hundreds of support chats and several thousand support tickets each month to help with all the problems our customers have, so we decided to use this direct communication with our customers to deliver the best possible service and value. In January 2022, we launched Actions After Support, where the overall goal is to understand the relative value of different actions by our customers and identify the best next action for them based on the customer profile and the stage of their customer journey. We created a recommender model based on customer similarity that is served using a custom UI to our support agents, so they can use this information while having a live chat with our customers. The model has been written in Python, and it is served using an Airflow and ML Gateway, to a custom UI created on streamlit, allocated as a docker container on a Kubernetes pod. The agents can also send direct feedback about the performance of the model to the data team. In this talk, I will share with you the whole pipeline used from building the recommender model, serving the results, showing them on a custom UI and the monitoring that is in place, as well as the collaboration between stakeholders and data team. A complete and successful data science use case.

DevFest es una conferencia inclusiva de un solo día para todos los desarrolladores. GDG Jaén te invita a unirte a nosotros el sábado 11 de diciembre de 2021 en la Universidad de Jaén. De los miles de paquetes disponibles para Python, Manim es una librería especial que nos permite crear animaciones de forma extremadamente sencilla utilizando código. Aprovechando las ventajas que nos ofrece la programación, como los bucles o condicionales, podemos crear animaciones realmente complejas, o simulaciones que de otra forma sería muy difícil conseguir. Esto se exporta finalmente en un vídeo que podemos compartir con el mundo, haciendo del proceso de creación de contenido multimedia educativo algo divertido y mucho más útil, tanto para el creador como para el consumidor. #GDGJaén`21 #GDGJaén #DevFestJaen2021 Síguenos en nuestras redes para estar al día de las novedades: - Twitter: https://goo.gl/MU5pUQ - Instagram: https://lk.autentia.com/instagram - LinkedIn: https://goo.gl/2On7Fj/ - Facebook: https://goo.gl/o8HrWX

Faustino y Santos, analistas de datos del Ministerio de Agricultura, Pesca y Alimentación (MAPA), contarán cómo introdujeron Python hace tres años en el Ministerio con la excusa de crear un área nueva de Analítica de Datos. En la primera mitad abordarán cómo lo utilizaron para crear proyectos de analítica predictiva relacionados con temas como la prevención y extinción de incendios forestales o los rendimientos de las cosechas, resaltando las librerías utilizadas y las lecciones aprendidas. En la segunda mitad se centrarán en una de las piezas clave del flujo general de este tipo de proyectos: la ingesta de datos. Explicarán el uso de Python en un ecosistema de AWS para capturar datos públicos meteorológicos que alimentan sistemas de analítica predictiva del MAPA y lo ilustrarán con un ejemplo. Enlaces a las presentaciones: Primera parte - https://drive.google.com/file/d/15jNDV0I4PVgKopZcQFRhwmoQbEE1HvrM/view?usp=sharing Segunda parte - https://drive.google.com/file/d/1idWK2JMFr27byAAtGH6SNvOBOXLbU_aS/view?usp=sharing Ponentes: - Faustino Sánchez García: Soy Ingeniero de Telecomunicación y trabajé varios años en el mundo académico, haciendo una tesis doctoral sobre sistemas de recomendación, donde me familiaricé con la estadística, la ciencia de datos y el machine learning. Poco después, tras aprobar las oposiciones del cuerpo TIC, entré a trabajar en el Ministerio de Agricultura, Pesca y Alimentación (MAPA) y en cuanto pude introduje todo ese mundo en el sector público. Para ello, creamos en el Ministerio un área de Análisis de Datos para la que Python y su fantástico ecosistema de ciencia de datos fue el mejor aliado. - Santos Hernanz Lillo: Soy Ingeniero en Informática desde hace 17 años, 14 de ellos en el sector privado, donde tuve la oportunidad de usar muchos lenguajes de programación (Perl, C#, .NET, Java, Python, etc) y descubrir que Python era mi favorito. Por ello, cuando entre en la función pública, fui directo al área de Análisis de Datos del MAPA. Desde entonces trabajo con Python para el tratamiento de datos, el backend y lo que surja.

▬▬▬▬▬▬ Título de la Sesión ▬▬▬▬▬▬ Mejora del rendimiento del componente TreeFilter en el panel de contenidos ▬▬▬▬▬▬ Ponente ▬▬▬▬▬▬ Beltrán Rengifo Beltrán es Senior Frontend Engineer en Liferay y entre sus pasiones Javascript está en primer lugar. Vue, React, Nuxt, Next, SASS/LESS/BEM, Styled Components. JS del lado del servidor con Node y a veces Python o PHP. Intentando con ahínco asumir los conocimientos necesarios de Frontend devops como Docker, CI/CD con Gitlab/GitHub, Jenkins y Rancher. Intentando controlar Webpack desde 2017. Admirando las plataformas Vercel y Netlify. * Linkedin - https://www.linkedin.com/in/beltranrengifo/ * Twitter - https://twitter.com/BeltranRengifo ▬▬▬▬▬▬ Resumen ▬▬▬▬▬▬ En este caso veremos cómo el equipo de Liferay se planteó la necesidad de auditar el rendimiento del componente React TreeFilter y nos compartirán los resultados obtenidos. En la sesión se aprenderá a detectar, analizar y resolver problemas de rendimiento en un componente React JS, para ello se realizará: * Detectar mediante la realización de pruebas pesadas * Analizar concluyendo sobre las métricas * Resolver implementando las tareas más eficientes y asequibles En el camino mostraremos algunas implementaciones de JS dentro de los componentes de React, cómo probamos el rendimiento utilizando el componente OOTB Profiler de React, y las correcciones finales que implementamos en la rama master. Primero se presentará el componente, sus principales funciones y los inconvenientes que detectamos en el camino, para después mostrar el test de rendimiento, los resultados y la implementación de las mejoras. La agenda de la sesión de este miércoles será la siguiente: 18:30 - Bienvenida y Anuncios 18:40 - Meetup Enero 2022 - Mejora del rendimiento del componente TreeFilter en el panel de contenidos - Beltrán Rengifo. 19:25 - Q & A 19:30 - Networking (Mozilla Hubs) ▬▬▬▬▬▬ Organizadores de la sesión ▬▬▬▬▬▬ - - - ▬▬▬▬▬▬ LUGSpain ▬▬▬▬▬▬ Twitter - https://twitter.com/LUGSpain Slack - https://liferay.dev/chat Meetup - https://www.meetup.com/es-ES/Liferay-Spain-User-Group/

FastAPI es un framework para construir APIs de forma sencilla y rápida con Python que se está volviendo muy popular. Independientemente de su velocidad, ya que actualmente es considerado como uno de los frameworks más rápidos de entre los que están basados en Python, proporciona también una gran velocidad a la hora de abordar el desarrollo de una API ya que incorpora, entre otras cosas, validación de datos y documentación de forma automática, lo cual lo convierte en un candidato ideal para realizar el backend de cualquier aplicación web. En esta charla, trato de ponerte un poco en contexto y contarte las virtudes de dicho framework, además de realizar una pequeña demo con la que mostrarte cuán sencillo puede ser desarrollar una API con esta herramienta. Twitter: @luismesalas

Aparte de java, existen más lenguajes que pueden correr en la Máquina virtual de Java (JVM). Existen lenguajes creados específicamente para la JVM, como Scala, Kotlin o Groovy. También hay implementaciones de lenguajes populares para que puedan correr en la JVM, como Jython (Python), JRuby (Ruby) o Quercus (PHP). #KnowledgePills #Back #LenguajesAlternativosJVM Descarga nuestras píldoras de conocimiento en formato ficha 👉https://lk.autentia.com/2HeLWT8 Síguenos en nuestras redes para estar al día de las novedades: - Twitter: https://goo.gl/MU5pUQ - Instagram: https://lk.autentia.com/instagram - LinkedIn: https://goo.gl/2On7Fj/ - Facebook: https://goo.gl/o8HrWX

Do Data Scientists have a future in the era of Machine Learning automation? by Nerea Luis Mingueza at Big Things Conference. In Artificial Intelligence, the figure of “Data Scientist” quickly found its niche in companies to create, train and experiment with data and models. All this work was done manually working with Jupyter Notebooks and Python libraries… and a lot of patience! A few years ago, the academic world raised this hypothesis: What if we train a model whose purpose in itself is to choose the parameters that optimize the performance of the model I am training? This hypothesis has been materialized in the trend known as AutoML: a multitude of libraries and processes that promise to automate the configuration and training of models, the reproducibility of experiments, generation of metrics … so that we can focus purely on decision-making. To what extent is it true? Let’s talk about the origins of AutoML, how it evolved and the proliferation of low-code tools, products, frameworks and libraries that are changing the rules of the game. Should Data Scientists be concerned?