python

Recursos de programación de python
Ponente Nombre: Edelmín y María del Socorro García Román Título: Machine Learning en el sector portuario con Python Sala: Patos ———————— El uso de tecnologías habilitadoras, como Internet de las Cosas (IoT), Big Data o el Machine Learning, entre otras, se han comenzado a emplear en el sistema portuario como factores clave de la tendencia actual de los puertos hacia la búsqueda de la excelencia a través de la competitividad. Estos habilitadores permiten el intercambio de información de alto valor añadido, en tiempo real, entre los diferentes agentes que operan en el ecosistema portuario. Uno de los principales problemas en los que se está trabajando en el sector portuario a nivel global es el cálculo de una mejor aproximación del tiempo estimado de llegada de un buque a un puerto (Estimated Time to Arrival, en adelante, ETA). Actualmente, hay una primera aproximación que es facilitada por el consignatario a la Autoridad Portuaria del puerto de destino y, aunque es obligatorio que el ETA se actualice a lo largo del viaje (ETA dinámico), en la práctica apenas se hace. Disponer del ETA dinámico tiene una gran relevancia tanto para las Autoridades Portuarias, como para todos los agentes del ecosistema portuario que dan servicios a los buques durante las escalas. Los recursos y los espacios del puerto son limitados, por lo que es de vital importancia tener una planificación de las llegadas y salidas para movilizar a los agentes y operarios necesarios en las maniobras de los buques de forma óptima. Por esto, contar con un modelo para conocer el ETA dinámico, con un horizonte lejano, permite mejorar la eficiencia de la planificación y habilita la toma de decisiones en tiempo real. La obtención del ETA dinámico permite a la Torre de Control realizar una gestión “Just in time”, facilitándole al buque una nueva hora de llegada pudiendo éste adaptar su velocidad. Con ello se evitan esperas innecesarias y maniobras de fondeo, repercutiendo positivamente en el coste de los servicios de la escala, consumo de combustible y en la huella de carbono. En la charla se explicará cómo se ha creado el modelo predictivo de Machine Learning para el cálculo del ETA dinámico. Se expondrán los desafíos encontrados en la manipulación de los datasets empleados y cómo se afrontaron con el apoyo de las librerías como Pandas, Folium y MatPlotLib de Python, entre otras. Finalmente, se hablará de la metodología empleada para la resolución del cálculo del ETA, los resultados obtenidos hasta el momento y las librerías de Python que los hicieron posible. — Python España: https://es.python.org/ Python Canarias: https://pythoncanarias.es/ Twitter/X: @PyConES Mastodon: https://fosstodon.org/ @pycones
Ponente Nombre: Andros Fenollosa Título: LiveView, un enfoque moderno de desarrollo Web Sala: Patos ———————— El enfoque de LiveView, o HTML sobre WebSockets, simplifica el desarrollo de aplicaciones de una sola página (SPA). Por un lado, evitar la construcción de una API (reduciendo costes), minimizas las esperas sustituyendo las peticiones HTTP por un protocolo más rápido (WebSockets), y puedes olvidarte de implementar un framework de JavaScript para renderizar el HTML, ya que lo harás desde el backend. Una técnica de desarrollo web que permite trabajar con lo mejor de un Server-side Rendering con la flexibilidad de una Single-page Application sin renunciar a un SEO de 100 puntos en PageSpeed Insights. Un enfoque moderno de desarrollo Web que evita el uso de APIs, la complejidad en el frontend y da respuestas en tiempo real. En la charla enseñaré sus secretos usando de base a Django. Desde la arquitectura, casos de éxitos que he vivido con clientes, ventajas, desventajas, aplicaciones, herramientas actuales, libros y un pequeño framework en Django. — Python España: https://es.python.org/ Python Canarias: https://pythoncanarias.es/ Twitter/X: @PyConES Mastodon: https://fosstodon.org/ @pycones
Ponente Nombre: Jesus Armando Anaya Título: Explicando el sistema de un vehículo autónomo con Python Sala: Tejita ———————— En los últimos años, hemos visto el crecimiento de compañías enfocadas al desarrollo de vehículos autónomos, desde coches comerciales, como es el caso de Tesla, hasta pequeños robots de entrega de alimentos. Al ver estos grandes proyectos podría pensarse que la lógica detrás de un sistema informático para controlar este tipo de robots es muy complicada. En esta charla vamos a desmitificar un poco el funcionamiento de esta clase de sistemas, aprenderemos sobre algunas tendencias en cuanto a frameworks de robótica como ROS2, y como es que se comunican los distintos sensores del vehículo para lograr la conducción autónoma. Todo desde un punto de vista de ingeniería de software enfocada a trabajar con nodos de comunicación en tiempo real. Y por supuesto, todos los ejemplos escritos en Python. — Python España: https://es.python.org/ Python Canarias: https://pythoncanarias.es/ Twitter/X: @PyConES Mastodon: https://fosstodon.org/ @pycones
El mundo mágico de Data es relativamente nuevo y está en constante crecimiento, por lo que es normal que muchas personas se sientan confundidas con la cantidad de roles que existen en la industria. Abordaremos temas como los diferentes puestos que existen en el campo de Data, tecnologías que se pueden usar y, sobre todo, compartiremos ejemplos de código que hemos utilizado en los últimos dos años trabajando para Clarity.AI. Durante la charla, nos enfocaremos también en presentar código sostenible, utilizando Python, Pandas, Dask, Airflow...etc. Estas herramientas para muggles nos permiten optimizar y automatizar los procesos de extracción, transformación y carga de datos (ETL) de manera efectiva y escalable (ningún elfo doméstico ha sido obligado a escribir este texto). ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
Conoce las nuevas técnicas de Deep Learning y NLP para mejorar la asistencia sanitaria en los hospitales e investigación científica. Veremos herramientas que se usan en el mundo de la IA aplicada a la salud, como reconocimiento de imágenes de rayos X o de manchas en la piel con potencial cancerígeno que usan técnicas de Computer Vision o la automatización de informes médicos con técnicas de procesamiento de lenguaje natural. También veremos ejemplos reales de OpenAI (sí la de ChatGPT) y de Google DeepMind sobre cómo están a la vanguardia de este sector. Aportan modelos como AlphaFold, para la predicción de la estructura 3D de las proteínas o Med-PaLM 2, la IA conversacional de Google especialmente entrenada en el ámbito médico. Y lo mejor es que tú puedes probarlo y en esta charla verás que con Python todo es más fácil. ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
¿Estás cansado de perder partidas en Starcraft? ¡Deja que nuestra IA Zerg invada y conquiste el campo de batalla por ti! En esta sesión, crearemos una IA con Python y aprenderás los conceptos básicos de la creación de IA y cómo aplicarlos a un juego. ¡No te pierdas la oportunidad de tener tu propia IA ganadora! ------------- ¡Conoce Autentia! -Twitter: https://goo.gl/MU5pUQ -Instagram: https://lk.autentia.com/instagram -LinkedIn: https://goo.gl/2On7Fj/ -Facebook: https://goo.gl/o8HrWX
Marlene is a Zimbabwean software engineer, developer advocate and explorer. She is a previous director and vice-chair for the Python Software Foundation and is currently serving as the vice-chair of the Association for Computing Machinery practitioner board. In 2017, she co-founded ZimboPy, a non-profit organization that gives Zimbabwean young women access to resources in the field of technology. She is also the previous chair of PyCon Africa and is an advocate for women in tech on the continent. Professionally, Marlene is currently working as a Developer Advocate at Voltron Data.
Jesus is a passionate developer with 18 years of experience and sound knowledge of the software development lifecycle. While his current focus is Java Backend development, in the past Jesus has worked in very different stacks: PHP, Javascript, Typescript, Python, Dart, C++, and even COBOL! Considered one of the foremost XP advocates by the Spanish Community, he is now working at Celonis where he is starting to dive into the process mining and AI worlds. Want to learn more? Besides coding and best practices, Jesus loves Extreme Sports and Punk Rock music.
Kaviraj is a Senior Software Engineer at Grafana Labs, working on highly scalable storage for Logs, One of the core maintainers of Grafana Loki Open Source project. In his previous life, writing and maintaining C++ modules for L2/L3 traffic management for telecom backend systems. Moved to web backend and distributed systems later in his career writing bits of Python and Go. Big UNIX fanboy and passionate about OS abstractions and internals.
In this talk, I will be sharing about Ibis, a software package that provides a more Pythonic way of interacting with multiple database engines. In my own adventures living in Zimbabwe, I’ve always encountered ibises (the bird versions) perched on top of elephants. If you’ve never seen an elephant in real life I can confirm that they are huge, complex creatures. The image of a small bird sitting on top of a large elephant serves as a metaphor for how ibis (the package) provides a less complex, more performant way for Pythonistas to interact with multiple big data engines. I'll use the metaphor of elephants and ibises to show how this package can make a data workflow more Pythonic. The Zen of Python lets us know that simple is better than complex. The bigger and more complex your data, the more of an argument there is to use Ibis. Raw SQL can be quite difficult to maintain when your queries are very complex. For Python programmers, Ibis offers a way to write SQL in Python that allows for unit-testing, composability, and abstraction over specific query engines (e.g.BigQuery)! You can carry out joins, filters, and other operations on your data in a familiar, Pandas-like syntax. Overall, using Ibis simplifies your workflows, makes you more productive, and keeps your code readable.