Los sistemas de recomendación son una herramienta diseñada para interactuar con conjuntos de datos grandes y complejos con la finalidad de proporcionar al usuario información que sea de su interés, todo ello de forma automatizada. Esta presentación pretende sentar las bases de estos sistemas, presentando y describiendo los sistemas de recomendación basados en contenido y los basados en filtrado colaborativo. Para ello, se presentará y utilizará la librería Surprise, que proporciona implementaciones de la mayoría de algoritmos de recomendación más conocidos, permitiendo realizar un primer prototipado rápido de un sistema de recomendación
Senior Software Engineer working at Ixxus. Computer Engineer and M.Sc Software Engineer and Technology with broad experience in Analysis, Design, Development and Integration of enterprise web, mobile and cloud applications. Currently working in projects related to Big Data including... Read More →
Puede parecer que escribir drivers es un dominio específico para lenguajes como C pero lo cierto es que no siempre tiene porque ser así. En esta charla presentaré un driver para controlar la retroiluminación de un teclado Ducky One 2 hecho en Python. La elección de Python hace mucho más fácil la integración con otras aplicaciones como, por ejemplo, para iluminar ciertas zonas del teclado cuando se reciben emails.
No sólo nos quedaremos en el driver en sí. Como paso previo, y dado que el protocolo no está publicamente documentado, haremos un poco de ingeniería inversa para comprender qué idioma habla el teclado con los drivers oficiales. Y otra vez Python viene al rescate con su facilidad para el análisis de datos.
¿Por qué todo esto? En primer lugar porque, como usuario de Linux, sufro mucho cuando compro hardware que sólo tiene drivers para Windows. Y en segundo lugar, pretendo desmitificar el mundo de la escritura de controladores: realmente es mucho más fácil de lo que pueda parecer. Repositorio de la charla: https://github.com/javitonino/duckylights
La exposición a ordenador se asocia a una serie de síntomas oculares y visuales conocidos como Síndrome Visual Informático. CVS-Classifier es un proyecto de investigación para comprobar si modelos de Machine Learning pueden predecir la presencia o ausencia de este síndrome.
I am a software engineer/architect and PhD student currently living in Ibi (Alicante), Spain. My interests range from neuroscience to GNU/Linux. I am also interested in python, machine learning, optimization metaheuristics and computer science.I majored in computer science/engineering... Read More →
Saturday October 5, 2019 12:30 - 12:50 CEST
Salón MicrosoftAulario Gral. II, 03690 San Vicente del Raspeig, Alicante, España
Basándonos en una Raspberry Pi y utilizando Python/Django para el core system y el interfaz es sencillo desarrollar sistemas industriales de propósito específico para controlar y monitorizar todo tipo de máquinas. En esta charla contaré mi experiencia como python full-stack-developer de diversas placas industriales de propósito específico, robustas y 100% Python Powered.
There are situations when code is not enough. Let me point out some of them:
When someone wants to learn a programming language regardless of the type. When someone enters to a company with prior knowledge on other languages but not the one is going to work on. When we want to add a new feature to the application or script. When a change is require on the behavior of the application. All these situations have something in common, the code is not enough, it is not enough to get someone to know what the application/script does or even how it does it and that’s when we need more things than just code. This talk is to shout out the importance of documentation on code.
Las tablas hash son la estructura de datos que Python usa internamente para implementar dicts y sets. A fin de poder usar nuestras propias clases como claves de un diccionario o miembros de un conjunto, éstas han de ser hashables. En esta charla aprenderemos a hacerlo, examinando con detalle las recomendaciones que el modelo de datos de Python nos ofrece al respecto en la documentación.
Ahora que el software es uno de los activos más importantes para empresas y organizaciones, se busca analizar de forma más efectiva como los proyectos de software están siendo desarrollados para una mejor toma de decisiones. GrimoireLab (https://chaoss.github.io/grimoirelab), es una plataforma que analiza y visualiza métricas de actividad, comunidad y procesos de desarrollo de software y es uno de los proyectos fundadores de CHAOSS (Community Health Analytics Open Source Software), proyecto de la Linux Foundation (https://chaoss.community). Es 100% open source y desarrollado en Python. En esta charla, buscamos enseñar los conceptos básicos de GrimoireLab, desde su instalación, hasta cómo utilizar sus elementos principales para que así la audiencia pueda analizar proyectos de software.
I'm a software engineer at Bitergia since September 2017. I got my MSc. in computer science in 2010 and Ph.D. in computer science in 2013. My interests cover source code analysis, (software) data extraction and reverse engineering.Before joining Bitergia, I have been a Phd student... Read More →
Saturday October 5, 2019 16:30 - 17:10 CEST
Salón MicrosoftAulario Gral. II, 03690 San Vicente del Raspeig, Alicante, España
Vamos a resaltar los valores de hacer código limpio, seguir buenas prácticas, diseño simple, refactorización de código y todo desde un punto de visto de la economía del software. Se hará mucho foco en el código legacy y como conseguir que esto no arrastre al fracaso nuestros proyectos
Lead Data Scientist en StyleSage. Es un profesional multidisciplinar con más de 11 años de experiencia en el área de inteligencia artificial, habiendo trabajado de investigador, ingeniero, profesor y consultor.
Saturday October 5, 2019 18:30 - 19:30 CEST
Salón MicrosoftAulario Gral. II, 03690 San Vicente del Raspeig, Alicante, España
Durante la PyConES se celebrará la Asamblea General de la asociación Python España. quien no la conozca puede leer un poco más sobre ella aquí https://es.python.org/pages/asociacion.html en resumen, administramos la PyConES y ponemos en contacto a las diferentes comunidades españolas. quienes no sean socios están invitados a asistir como oyentes
Álvaro Arredondo, Cayetano Benavent y Josema Camacho, miembros de Geographica, pretenden mostrar un curioso caso de uso de computación distribuida para posicionamiento indoor utilizando Dask como framework. En esta ponencia se detallará el geoprocesamiento de datos llevado a cabo, haciendo hincapié en la distribución de tareas en un cluster de Dask sobre Kubernetes, así como en los distintos almacenes de datos utilizados durante el mismo, como son Apache Parquet, BigQuery y PostgreSQL/PostGIS. Por último, se pondrán de manifiesto las ventajas e inconvenientes de otros populares frameworks de computación distribuida, como Apache Spark, frente a Dask.
En esta charla intentaremos introduciros al Deep Learning, uno de los campos más prometedores e interesantes de la Inteligencia Artificial.
Empezaremos de cero, explicando sus orígenes como un intento de replicar el funcionamiento del cerebro. Luego os contaremos cómo generar estos modelos con Python, en concreto con dos de las librerías más populares para Deep Learning: Keras y PyTorch, incluyendo un par de ejemplos curiosos para acabar de entender qué hacen y cómo funcionan las redes neuronales.
Finalmente, os enseñaremos una aplicación más en detalle: simularemos un sistema biométrico de identificación de personas a través de su firma utilizando un chatbot de Telegram.
Django permite acceder – mediante su ORM – a distintas bases de datos. De serie, Django soporta PostgreSQL, MySQL, SQLite, Oracle y existen “backends” (es decir drivers) no oficiales para IBM DB2, Microsoft SQL Server , Firebird y bases de datos ODBC.
Pero... ¿qué pasa si nuestros datos están en una base de datos para la que no existe – todavía – un backend? ¿cómo de fácil o difícil es escribir nuestro propio backend para esa base de datos?
En esta charla compartiremos nuestra experiencia escribiendo un backend para una base de datos analítica (EXASol DB): ¿cómo lo hemos hecho? ¿qué documentación o referencias hay disponibles? ¿cómo nos aseguramos de que el acceso a los datos es correcto?