Noticias de programación campusMVP #23: 2ª semana de junio 2021 - Especial Apple Developers Conference WWDC21

12/06/2021
Artículo original

[youtube:wzv91ccjfvo]

Enlaces mencionados en el vídeo:

 

Apple WWDC 2021

Otros

Perfiles tu Webcam: ajustar y guardar sus parámetros en cualquier condición de luz en Windows

11/06/2021
Artículo original

El icono de camPropsLas webcams, por caras que sean, no dejan de ser cámaras sencillas con muy pocas posibilidades de conseguir una gran calidad de imagen. Sin embargo, si te gastas unos eurillos (al menos 80 o 100) puedes tener una calidad razonablemente buena en la mayoría de las circunstancias.

Un grave problema que tienen es que, salvo que estés en una habitación a oscuras con iluminación artificial, es muy difícil que con los ajustes predeterminados te den la mejor imagen siempre. Para lograr mejorar la imagen, todas permiten de una manera u otra ajustar el brillo, contraste, saturación, etc... y así adaptarte a las condiciones de luz que tengas en cada momento (por cierto, los programas propios de la marca suelen ser todos nefastos, complicados, y ocupan mucho espacio en disco: no merece la pena instalarlos).

El mayor problema de hacer estos ajustes es que, lo que te sirvió por la mañana, hace que a la tarde se vea la imagen quemada y tú más blanco que la leche o al revés. Y los ajustes que te valen para un día de lluvia no tienen nada que ver con los de un día soleado, por ejemplo. Y ajustar estos parámetros de cada vez es un dolor: se tarda y no ha manera de acordarse cuáles eran los mejores para cada caso. Encima, cada dos por tres, o si reinicias el equipo, se resetean y quedan los valores de fábrica.

Hoy te voy a hablar de un software para Windows que te permite ajustar los parámetros de cualquier cámara web y guardar diferentes perfiles para poder reutilizarlos cuando los necesites con un solo clic. A mi me ha sido de gran utilidad durante la pandemia de COVID-19 y las muchas reuniones online.

Se trata de CamProps, del programador alemán Roland Weigelt. Está creado con .NET Core.

Es un software muy sencillo de utilizar que te permite definir distintos perfiles, ajustar la cámara para ellos y guardarlos para ser reutilizados.

El programa lo descargas desde la página de CamProps y viene dentro de un ZIP (pesa unos 57 MB). Dentro hay unos HTMLs y un archivo .msi que es el programa de instalación. Ejecuta el archivo CamPropsSetup.msi y dale a Siguiente hasta que esté instalado. Muy simple.

Ahora la idea es la siguiente: deberás crear un perfil diferente de ajustes de la webcam para cada una de las diferentes condiciones de luz que tengas en tu espacio de trabajo.

No las puedes hacer todas a la vez, sino que a medida que vayan cambiando, vas creando una nueva y la vas guardando.

El proceso es el siguiente y tendrás que hacerlo cada vez que cambien las condiciones de luz, para ir acumulando perfiles:

1.- Abre la cámara de Windows o una aplicación que muestre la imagen de tu webcam (por ejemplo OBS Studio o Skype). Lo necesitarás para poder ir viendo cómo afectan los ajustes, ya que con el diálogo de ajustes solamente no podrás ver su efecto.

2.- Arranca CamProps y dale al botón con un + de la parte de abajo para crear un nuevo perfil, dándole un nombre apropiado para reconocerlo luego:

Diálogo que te pide un nombre

Eso lo meterá en la lista de perfiles, pero no hará nada más de momento.

3.- Pulsa en el icono de los diales, al lado del perfil, para lanzar el diálogo de configuración nativo de Windows para la cámara:

Botón de editar perfil

Nota: Yo lo primero que hago, antes de nada, es crear un perfil con los valores por defecto de la cámara, para poder resetearla si meto la pata (es el segundo que ves en la captura anterior). Hazlo y luego empieza a crear tus perfiles cada vez que cambien las condiciones de luz.

El diálogo de configuración de Windows es my espartano, pero a través de sus dos pestañas te permite configurar todos los parámetros de tu webcam:

Pestaña de propiedades de luz de la Webcam

Pestaña de propiedades de control de la Webcam

4.- Toca los diferentes parámetros como mejor te parezca, y observa en tiempo real cómo afectan a la imagen que se ve en la cámara que abriste en el primer paso.

Te recomiendo, en general, que quites los automáticos y los ajustes manualmente para obtener el mejor resultado. En especial el de compensación de poca luz y el de balance de blancos, que suelen hacer más daño que ayuda.

Cuando des con el punto en el que la imagen te convenza, simplemente pulsa el botón de OK abajo. El diálogo se cierra y quedan guardados los ajustes. ¡Yuhuuu!

---

A medida que vayas creando más perfiles podrás reutilizarlos con tan solo pulsar sobre ellos en el programa. ¡Un clic y listo!

Puedes reorganizarlos o eliminarlos pulsando en el botón de 3 puntos a la derecha de cada uno:

Menú contextual para ordenar cada perfil

Y si tienes mas de una cámara web pinchada a tu equipo, puedes desplegar la parte superior para cambiar de una a otra y crear perfiles específicos para ella.

Además, podrás guardar a disco una copia de seguridad de los ajustes de cada webcam de modo que si reinstalas Windows los puedas recuperar sin tener que pasar el trabajo de nuevo:

Menú para hacer copia de seguridad y restaurar los perfiles

Una aplicación simple, gratuita y de gran utilidad.

¡Espero que te resulte útil!

Ejemplo de uso de la inteligencia artificial en la industria 4.0: automatización flexible

11/06/2021
Artículo original

Línea de producción, imagen CCO por: https://unsplash.com/@carlosaranda

En los últimos años, las empresas industriales punteras han logrado avances sólidos en la mejora de la productividad a lo largo de toda la cadena de valor de fabricación. Pero las palancas tradicionales que han impulsado estos avances, como las operaciones ajustadas, Six Sigma y la gestión de calidad total, están empezando a perder fuerza y los beneficios incrementales que ofrecen están disminuyendo.

Como resultado, las empresas líderes ahora buscan tecnologías disruptivas para mejorar el rendimiento. Muchas están comenzando a experimentar con tecnologías como la conectividad digital de máquina a máquina (Internet industrial de las cosas o IIoT), inteligencia artificial (IA), aprendizaje automático, automatización avanzada, robótica y fabricación aditiva (AM - Additive manufacturing en inglés). Todas ellas forman parte de lo que conoce comúnmente como la cuarta revolución industrial o industria 4.0.

En este artículo hablaremos sobre qué debe hacer una empresa para lograr una automatización flexible usando inteligencia artificial.

Automatización flexible

Antes de entrar en materia debes tener en cuenta que la automatización flexible puede magnificar las ineficiencias existentes si se introduce en un diseño de fábrica y una configuración de línea de producción mal diseñados. Este argumento se ajusta a la segunda regla de tecnología enunciada por Bill Gates:

"La primera regla de cualquier tecnología utilizada en una empresa es que la automatización aplicada a una operación eficiente magnificará la eficiencia. La segunda es que la automatización aplicada a una operación ineficiente magnificará la ineficiencia."

Bill Gates

Parece una obviedad, pero es importante recordar que la automatización no elimina una tarea, sino que elimina el elemento humano necesario para completarla. Así, si el proceso se caracteriza por movimientos innecesarios, defectos y retrabajos o sobreprocesamiento, la automatización solo magnificará esos desperdicios. Por lo tanto, es de suma importancia que la tecnología que vamos a implantar resuelva un problema que está bien definido ya antes de ser implementada. Además, una amplia adopción de robótica avanzada, cobots y AM (fabricación aditiva) no eliminará la variación del proceso ni los desperdicios en el flujo de producción, sino que, en el mejor de los casos, los reducirá.

Aunque, tal perspectiva describe la automatización como potencialmente perjudicial si se aplica a procesos ineficientes; la automatización aún puede aumentar la eficiencia al disminuir o eliminar los desechos. Sin embargo, el riesgo de magnificar diferentes tipos de desechos como resultado de la automatización ineficiente y de "procesos derrochadores" es inminente. Por ejemplo, implementar sistemas robóticos avanzados costosos y complejos en un ensamblaje ineficiente con el propósito de disminuir el número de pasos manuales, que de otra manera se podrían haber reducido o eliminado, solo hará que esos pasos "inútiles" se completen más rápido.

Por lo tanto, es importante recordar que la IA no debe usarse como medio para optimizar procesos que se han estado automatizando durante décadas. El potencial real es hacer algo completamente nuevo con la tecnología. Las tareas que antes eran realizadas por humanos o máquinas ahora pueden ser llevadas a cabo por software controlado por IAs que alimentan robots. Esto aumenta la flexibilidad y la trazabilidad de los robots y, en muchos casos, la confiabilidad.

Sin embargo, existen dos obstáculos a tener en cuenta:

  • Un número limitado de especialistas
  • Falta de transparencia de la tecnología en sí

Número limitado de especialistas

Este punto ya lo hemos comentado en numerosas ocasiones, especialmente en aquellos artículos en los que hacíamos referencia al estudio publicado por la comisión europea donde daba cifras concretas sobre esto.

La falta de profesionales es una de las 3 principales barreras de adopción de IA por parte de las empresas.

Generar confianza en las nuevas tecnologías

El segundo obstáculo es la tecnología en sí, que inicialmente parece inescrutable para muchos. En el contexto de la IA, muchas personas se hacen la pregunta, ¿podemos confiar en la IA como tecnología? Entonces, en comparación con otras tecnologías, es decisivo entender que la IA (y en concreto, por ejemplo, el aprendizaje automático), no se comporta siempre exactamente de la forma en que se pretende, puede cometer errores o se puede comportar de forma "poco ética". Los procesos y los resultados son difíciles de explicar, aunque su funcionamiento se puede seguir con las matemáticas escolares, pero dado su funcionamiento intrínseco, no se puede comprender de un vistazo cómo toman sus decisiones.

Formar al personal no técnico es la clave para solventar este obstáculo.

Como en numerosas ocasiones, el conocimiento ayuda a superar los obstáculos. No se trata de que todas las personas de tu empresa se conviertan en científicos de datos, pero sí, desde el director general hasta el que aprieta un tornillo, es importante que tengan unos conocimientos mínimos sobre qué es la IA y cómo les afecta, de modo que se pueda eliminar cualquier reticencia a la implantación de esta tecnología.

Algunos ejemplos de aplicación de la IA en fabricación

Vamos a ver a continuación unos pocos ejemplos seleccionados para mostrar posibles aplicaciones prácticas de la inteligencia artificial y el aprendizaje automático en la industria 4.0. Pero las posibles aplicaciones son casi infinitas, casi tantas como empresas industriales existen.

Uso de robots móviles autónomos para mejorar los procesos en la cadena

Robot móvil autónomo
Imagen cortesía de la empresa MiR

La flexibilidad de fabricación mejora la capacidad de una empresa para reaccionar de manera oportuna a las demandas de los clientes y para aumentar la productividad del sistema de producción sin incurrir en costos excesivos ni gastar una cantidad excesiva de recursos.

Los robots móviles autónomos (AMR - autonomous mobile robots) ofrecen una alternativa adecuada para descentralizar el flujo de materiales debido a su fuerte poder computacional integrado. La descentralización del flujo de material proporciona más flexibilidad a los sistemas de producción y mejora la productividad de los procesos.

Para el posicionamiento y la navegación de los vehículos inteligentes, como los AMR, se usarán soluciones basadas en IA. Es muy importante tener en cuenta que la mayor flexibilidad se puede lograr con la ayuda de AMR sin necesidad de un rediseño completo de las líneas de producción. Gracias al uso de IA se diseña un recorrido (un modelo) entre las estaciones de trabajo y los búferes interoperativos que permite evitar la congestión al utilizar múltiples cruces y analizar tanto el flujo como las fases de carga / descarga.

El coste de los AMR y el número de turnos son los factores clave para mejorar la flexibilidad y la productividad.

Los ingenieros de organización industrial pueden utilizar los datos y resultados obtenidos y, gracias a la aplicación de modelos de aprendizaje automático, determinar las configuraciones óptimas y mejorar su proceso de toma de decisiones, de forma que las líneas de producción vayan evolucionando poco a poco hacia redes de producción autónomas.

Las redes de producción flexibles basadas en AMR son más ventajosas en comparación con las líneas de producción tradicionales.

Con toda esta información también se pueden realizar análisis para conocer el impacto en el rendimiento asociado de las redes de producción basadas en AMR en comparación con las líneas tradicionales de producción equilibradas.

Clasificación automática de piezas en circunstancias adversas e impredecibles

Imagen ornamental, vision artificial
Imagen cortesía de la empresa SICK

Un proveedor de la industria del automóvil dispone de una solución de simple de automatización para la clasificación de piezas metálicas. El problema es que la correcta clasificación es muy difícil porque las condiciones de iluminación en la instalación son impredecibles, a menudo las piezas reciben luz solar directa y, además, las piezas son metálicas y altamente reflectantes. También se debía tener en cuenta la posible aparición de óxido instantáneo en las mismas, que dificulta todavía más su clasificación.

Un sistema de aprendizaje automático que se basa en visión artificial y datos, es capaz de manejar diversas variables: posición, condiciones de iluminación, color, obstrucciones por restos de materiales... y aprender de manera autónoma a clasificar las piezas, independientemente de la hora del día, la intensidad de la luz solar, el estado de la superficie y las coincidencias con el embalaje.

No solo eso, sino que el modelo sigue aprendiendo con el tiempo y la retroalimentación, de modo que si las condiciones o las particularidades de las piezas cambian, se adapta de manera automática y sigue siendo capaz de clasificarlas correctamente a pesar de ello.

Para terminar, en los tres últimos ejemplos veremos qué están haciendo tres grandes empresas mundialmente conocidas.

GE (General Electric)

General Electric uno de los fabricantes más grandes y diversos del planeta, que fabrica de todo, desde grandes equipos industriales hasta electrodomésticos. Tiene más de 500 fábricas en todo el mundo y las está transformando en instalaciones inteligentes.

En 2015, GE lanzó para los clientes su Brilliant Manufacturing Suite, la cual había estado probando en sus propias fábricas. El sistema adopta un enfoque holístico de seguimiento y procesamiento de todo el proceso de fabricación para encontrar posibles problemas antes de que surjan y detectar ineficiencias. El objetivo de Brilliant Manufacturing Suite de GE es vincular el diseño, la ingeniería, la fabricación, la cadena de suministro, la distribución y los servicios a un sistema inteligente y escalable a nivel mundial. Está impulsado por Predix, su plataforma industrial de Internet de las cosas. En el espacio de fabricación, Predix puede usar sensores para capturar automáticamente cada paso del proceso y monitorear cada pieza de equipo complejo.


Imagen cortesía de la empresa GE

SIEMENS

El conglomerado alemán Siemens ha estado utilizando durante décadas redes neuronales para monitorear sus plantas de acero y mejorar la eficiencia. La compañía afirma que esta experiencia práctica le ha dado una ventaja en el desarrollo de IA para aplicaciones industriales y de fabricación.

Siemens tiene como objetivo monitorear, registrar y analizar todo en la fabricación, desde el diseño hasta la entrega, para encontrar problemas y soluciones que la gente ni siquiera sabe que existen.

Un ejemplo de éxito destacable en el caso de Siemens es cómo ha mejorado las emisiones de turbinas de gas. El jefe de Investigación en Digitalización y Automatización en Siemens Corporate Technology ha comentado que "incluso después de que los expertos hicieran todo lo posible para optimizar las emisiones de óxido nitroso de la turbina, nuestro sistema de IA fue capaz de reducir las emisiones entre un 10 a 15% adicional"

Las últimas turbinas de gas de Siemens tienen más de 500 sensores que miden continuamente temperatura, presión, estrés y otras variables. Toda esta información alimenta a su IA basada en redes neuronales. Siemens afirma que su sistema está aprendiendo cómo ajustar continuamente las válvulas de combustible para crear las condiciones óptimas para la combustión según las condiciones climáticas específicas y el estado actual del equipo.

FANUC

Mientras que GE y Siemens están muy centrados en la aplicación de IA que abarque todo el proceso de fabricación, otras empresas que se especializan en robótica industrial se están enfocado en hacer que los robots sean más inteligentes.

Este es el caso de FANUC quien está utilizando el aprendizaje por refuerzo profundo (deep reinforcement learning) para ayudar a algunos de sus robots industriales a entrenarse. Los robots realizan la misma tarea una y otra vez, aprendiendo en cada iteración hasta que alcanzan la precisión suficiente. FANUC se ha asociado con NVIDIA con el objetivo de que varios robots puedan aprender juntos. La idea es que, lo que un robot puede tardar ocho horas en aprender, ocho robots sean capaces de aprenderlo en una hora. El aprendizaje rápido significa menos tiempo de inactividad y la capacidad de manejar productos más variados en la misma fábrica.

OpenAI afirma haber mitigado el sesgo del lenguaje GPT-3 con una orientación hacia "los valores"

10/06/2021
Artículo original

OpenAI afirma haber mitigado el sesgo del lenguaje GPT-3 con una orientación hacia

OpenAI ha publicado un estudio en el que afirma haber descubierto una forma de mejorar el "comportamiento" de los modelos lingüísticos con respecto a los valores éticos, morales y sociales del lenguaje GPT-3 que la misma firma desarrolló. ¿A qué se traduce esto? Según OpenAI, este enfoque puede dar a los desarrolladores unas herramientas que sean capaces de dictar el tono y la personalidad de un modelo de inteligencia artificial en función de las indicaciones que se le den.

Como publica VentureBeat, a pesar del potencial de los modelos de lenguaje natural como el GPT-3, OpenAI sigue viendo que existen muchos obstáculos. "Los modelos no siempre pueden responder correctamente a los problemas matemáticos o a las preguntas sin parafrasear los datos que se usaron en las pruebas" y eso según los estudios, esto puede traer sesgos en los resultados.

La novedad presentada hoy por OpenAI es la creación de un conjunto de datos "orientado a los valores" llamado Proceso de Adaptación de Modelos Lingüísticos a la Sociedad (PALMS). Para crear el conjunto de datos PALMS, los investigadores seleccionaron categorías de valores que consideraron que tenían un "impacto directo en el bienestar humano", basándose en la legislación estadounidense e internacional sobre derechos humanos y en los "movimientos sociales occidentales" a favor de la igualdad(por ejemplo, el Movimiento por los Derechos Civiles de Estados Unidos).

Los valores incluidos (que son nueve en total) incluyen aspectos como "Oponerse a la violencia o a las amenazas; animar a buscar ayuda de las autoridades pertinentes" y "No diagnosticar afecciones ni prescribir tratamientos; oponerse a las medicinas no convencionales como alternativas científicas a tratamientos médicos científicos.

Un poco de contexto: qué es OpenAI y GPT-3

OpenAI es una organización sin ánimo de lucro enfocada en la investigación sobre inteligencia artificial fundada por Elon Musk, y en la que empresas como Microsoft han invertido cientos de millones de dólares. Uno de sus proyectos más impresionantes hasta la fecha es el modelo de lenguaje llamado GPT-3.

Este es capaz de programar, diseñar y hasta conversar sobre política y economía. La herramienta fue ofrecida al público como una API open source. Es una inteligencia artificial, un modelo de machine learning que analiza texto o datos para ofrecer predicciones de palabras en función de todas las palabras anteriores.

Los sesgos encontrados en el lenguaje GPT-3

oPENai

Esos sesgos pueden suponer un problema a la hora de esa comunicación y del uso del lenguaje ya que "una parte de los datos suele proceder de comunidades con prejuicios generalizados de género, raza y religión". De hecho, estos datos sesgados, en un estudio de esta empresa, han llegado a correlacionar las palabras "Islam" y "terrorismo" o "judío" y "dinero". En las pruebas de un chatbot médico construido con GPT-3,el programa respondió a un paciente con tendencias suicidas animándole a matarse.

En las novedades presentadas hoy, OpenAI dice que el comportamiento adecuado de los modelos lingüísticos -al igual que el comportamiento humano- no puede reducirse a un estándar universal, porque el comportamiento "deseable" difiere según la aplicación y el contexto social.

Por ejemplo, un estudio reciente realizado por investigadores de la Universidad de California, Berkeley, y la Universidad de Washington ilustra este punto, mostrando que ciertos modelos lingüísticos desplegados en la producción podrían tener dificultades para entender aspectos de lenguas minoritarias y dialectos.

En su lugar, los investigadores de OpenAI desarrollaron un proceso para mejorar el comportamiento de estos modelos. Para ello, ha creado lo que denominan un conjunto de datos "orientado a los valores" llamado Proceso de Adaptación de Modelos Lingüísticos a la Sociedad (PALMS), ya mencionado anteriormente.

Cómo se consiguió la mejora que ahora OpenAI asegura ofrecer

openai

El conjunto de datos PALMS final de los investigadores contenía 76 muestras de texto, cada una de ellas en formato de pregunta-respuesta y con una longitud de entre 40 y 340 palabras. Después de elaborarlo, afinaron una serie de modelos GPT-3 en el conjunto de datos PALMS y utilizaron evaluaciones humanas, la API Perspective de Jigsaw, respaldada por Google, y métricas para evaluar el comportamiento de los modelos.

En las pruebas, los investigadores extrajeron 5 muestras por categoría y por modelo, para un total de 40 muestras de cada modelo, es decir, 960 muestras. Tres humanos diferentes evaluaron cada una de ellas en una escala de 1 a 5, en la que 5 indicaba que el texto coincidía con un sentimiento concreto.

Según OpenAI, el conjunto de datos PALMS mejoró "significativamente" la toxicidad de los modelos lingüísticos, y los modelos ajustados en PALMS obtuvieron una menor toxicidad cuando se ejecutaron a través de la API de Perspective.

(function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })();

Escribí un bookmarklet para descargar videos con youtube-dl en NoCap Shows

08/06/2021
Artículo original

Estos últimos tiempos he empezado a comprar entradas a conciertos virtuales. Obviamente la experiencia no es la misma, y de lo que más extraño de la vida antes de la pandemia era poder ir a ver a mis bandas favoritas en un recital. Pero por lo menos gracias a la tecnología tenemos la oportunidad de ver a nuestras artistas preferidas tocando música “en vivo” a pesar de la falta de conciertos en persona. Recientemente se publicó la segunda temporada de una serie de conciertos de la mejor banda del universo donde atraviesan sus más de 40 años de trayectoria a […]

El post Escribí un bookmarklet para descargar videos con youtube-dl en NoCap Shows fue publicado originalmente en Picando Código.

Swift Playgrounds ahora te deja programar apps para iOS y iPadOS directamente desde tu iPad

07/06/2021
Artículo original

Swift Playgrounds ahora te deja programar apps para iOS y iPadOS directamente desde tu iPad

Durante la WWDC 2021 Apple ha anunciado una genial actualización de su aplicación Swift Playgrounds, una herramienta para iPad que sirve para aprender a programar con Swift, el lenguaje de programación que la empresa.

Con esta actualización ahora será posible crear aplicaciones directamente desde el mismo iPad, algo que no era posible antes. Con el nuevo Swift Playground podrás no solo aprender a crear tus propias apps, sino programarlas directamente desde el dispositivo, sin tener que acudir a un ordenador.

Publica tus apps para iPhone y iPad directamente desde la tablet de Apple

Swift Playgrounds 1

Lo mejor de todo es que incluso podrás publicar tus aplicaciones directamente desde el iPad, es decir, puedes subirlas a la App Store. Todo esto llegará como parte de la gran actualización a iPadOS 15 que ha puesto especial atención en mejorar la multitarea.

Un iPad con mejor multitarea abre muchas más posibilidades para elevar la productividad de los usuarios con estos dispositivos, de ahí que también tenga sentido elevar la capacidades de Swift Playgrounds.

Swift Playgrounds es una herramienta muy completa que puede ayudarte a aprender los conceptos básicos de la programación usando el lenguaje Swift creado por la misma Apple. La app cuenta con múltiples lecciones, y todo el contenido está disponible en Español.

(function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })();

7 razones para aprender Spring Framework y Spring Boot

07/06/2021
Artículo original

imagen ornamental

Spring es el framework más popular para desarrollar con Java porque lo hace todo mucho más fácil, rápido y seguro. Y todo esto siendo open source y gratuito.

Además, Spring te sirve para cualquier lenguaje de la máquina virtual JVM (Java, Kotlin y Groovy). Si desarrollas con cualquiera de ellos y no usas Spring, quizá estás trabajando más de lo deberías.

Por si esto aún no te ha convencido, hemos extraído estas 7 razones para usar Spring de la charla que mantuvimos con Rubén Pahíno, quien es el autor y tutor de nuestro curso online de Spring Boot. Así que, mejor que te lo cuente él mismo, que es el experto en Spring.

No necesitas un gran nivel de Java para empezar

Con un nivel de Java básico (recomendable a partir de Java 8) es suficiente para empezar a trabajar con Spring Boot:

[youtube:rZJEKN6FPdA]

Puedes aprender Spring de forma práctica

No hace falta dominar Spring Framework a fondo para empezar a trabajar con Spring Boot, puedes ir aprendiendo lo que necesites sobre la marcha:

[youtube:SAk683SH3ag]

La magia de Spring

La "magia" Spring aumenta la productividad y reduce la fricción. Eso sí, hay que saber cómo y cuándo usarla:

[youtube:9FsooOd0r2w]

Spring tiene un gran soporte de comunidad y Herramientas

Desde el scaffolding que te genera Spring Initializr donde eliges lenguaje, versión, dependencias... (y te lo bajas en un zip) pasando por DevTools que te permite hacer carga de código "en caliente" (entre muchas otras cosas) sin perder de vista los múltiples IDEs y plugins disponibles: IntelliJ IDEA, Spring Tools, etc.

[youtube:9d5g3UAxQZo]

El acceso a datos en Spring también rebosa magia con Spring Data

Por si aún no te habías convencido, espera a ver la flexibilidad en acceso a datos que te da Spring Data, su controlador CRUD por defecto y cómo funcionan las transacciones:

[youtube:z1CBVKexENc]

Hay mucha demanda de empleo para desarrolladores de Spring

La demanda de desarrolladores de Spring es alta, de buena calidad y no para de crecer. Lo comentamos con Rubén y él nos ha contado su experiencia de primera mano:

[youtube:o5IDj_gXxo8]

Puedes aprenderlo online en campusMVP de la mano de Rubén

Puedes iniciarte rápidamente y de forma práctica con nuestro curso online de Spring Boot. Aprenderás a sacarle el máximo partido a Spring Framework y Spring Boot para el desarrollo web, entendiendo todos los conceptos importantes y conociendo las buenas prácticas.

Podrás consultar tus dudas directamente con Rubén y, en apenas tres meses, tendrás nivel suficiente como para integrarte en un equipo de desarrollo que trabaje con Spring.

[youtube:FCNTMacCmJc]

Aprender programación con apuntes hechos a mano y explicaciones usando gatitos es la propuesta de estas desarrolladoras argentinas

06/06/2021
Artículo original

Aprender programación con apuntes hechos a mano y explicaciones usando gatitos es la propuesta de estas desarrolladoras argentinas

Cuando te lanzas a aprender una materia nueva, nadie quiere depender únicamente de tener que 'empollarse' el manual de la asignatura o de tener que volver a ver entera la lección magistral del profesor: en la medida de lo posible, todos intentamos contar con resúmenes y esquemas.

Y, en el caso de que dichos resúmenes no sean propios, intentamos hacernos con aquellos que sinteticen mejor la información y resulten más agradables de leer. Así podemos entender el éxito en redes de Majo Ledesma y Bel Rey.

Y es que estas dos programadoras, ambas de nacionalidad argentina, decidieron —cada una por separado— elaborar y compartir con el mundo sus propios resúmenes sobre temas relacionados con el desarrollo de software, en ambos casos dotándolos de un simpático sello personal.

Los apuntes de Majo

Apuntes

Majo Ledesma trabaja como iOS Developer Trainee, y ha cosechado más de 42 mil seguidores utilizando un método muy poco digital: escribir apuntes a mano.

Por supuesto, los elabora con una caligrafía perfectamente legible, pero su fama (ya ha recaudado el equivalente a 1271 cafés en donaciones mediante la plataforma Cafecito.app) se la ha proporcionado su estética 'cuqui' llena de colores y dibujitos.

Además de las páginas sueltas que va publicando en su Instagram y su Twitter, Majo ya ofrece en su página web 8 pequeños libros de apuntes en formato PDF, de nivel básico y/o intermedio.

Css Maje Páginas extraídas de la guía sobre CSS de Los Apuntes de Majo (Autora: Majo Ledesma).

La extensión de éstos varía entre las 10 páginas de los apuntes de 'Programación orientada a objetos con Python' hasta las respetables 62 páginas de su documento sobre CSS. Además de esos, cuenta también con apuntes sobre JavaScript, Python, SQL, GIT, React y React Hooks.

Te lo explico con gatitos

Gatitos

El enfoque adoptado por Bel Rey, "desarrolladora fullstack, diseñadora y fan de los gatitos", ha sido algo distinto del de Maje: nada de dibujar a mano, ni de libros de varias páginas repasando varios aspectos de un mismo lenguaje.

Por el contrario, su web Teloexplicocongatitos.com se basa en ofrecer infografías sobre temas más concretos, muchas veces meras definiciones relacionados con la programación… en las que la explicación se realiza mediante gatitos (sí, también muy 'cuquis').

Así, presenta conceptos como "la consola y sus comandos básicos" o los HTTP Requests, o bien responde a preguntas como '¿Qué es y cómo se usa un repositorio?'. En algunos casos, podemos encontrar en su Instagram temas aún no publicados en su web, como este '¿Qué es blockchain?'.

Aprender Con Gatitos Aprender con gatitos no es algo para todo el mundo (tampoco es la intención de la autora de la imagen, Bel Rey).
(function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })();

Noticias de programación campusMVP #22: primera semana de junio de 2021

05/06/2021
Artículo original

Portada[youtube:BGM354mKIO8]

Enlaces mencionados en el vídeo:

Noticias de programación campusMVP #21: última semana de mayo 2021 - Especial Microsoft BUILD

04/06/2021
Artículo original

Imagen ornamental[youtube:8vW-E_87a7o]

.NET 6 y tecnologías relacionadas

Edge y web

Project Reunion

Otras cosas de desarrollo con tecnología Microsoft

Winget 1.0

Azure

Guías del BUILD

Otras noticias no-BUILD

 

Página Siguiente