D铆a: 28 junio, 2016

El reconocimiento de voz crecer谩 para el usuario y la empresa

La necesidad de mantener interacciones naturales entre los dispositivos entre las personas y sus dispositivos crece a medida que confiamos e interactuamos m谩s en ellos. ABI Research predice que los consumidores que utilicen la funcionalidad por voz ascender谩 a m谩s de 1 000 millones en 2021.

As铆 lo sostiene su analista senior, Eric Abbruzzese, que subraya que los smartphones son los primeros dispositivos en los que la gente piensa para utilizar la tecnolog铆a de voz para mejorar la interactuaci贸n hombre-dispositivo, pero 鈥渆l crecimiento de las gafas inteligentes y los dispositivos para el hogar tambi茅n impulsar谩n esta tendencia鈥, dice.

En las empresas, ABI Research predice que el procesamiento del lenguaje natural resultar谩 especialmente beneficioso en pr谩cticas concretas y sectores verticales que requieran una funcionalidad de manos libres, como en la asistencia sanitaria, y los sectores del petr贸leo y el gas, fabricaci贸n o construcci贸n, as铆 como en especialidades que necesiten alg煤n diccionario, aplicaci贸n o herramienta personalizada.

El crecimiento que se reflejar谩 en los consumidores las interacciones y el control por voz tiene un encaje natural tanto para las gafas inteligentes como para dispositivos de realidad aumentada o dispositivos para el hogar inteligente, como Amazon Echo o Google Home.

Apple, Google y Microsoft son los actualmente principales actores actuales, y por una buena raz贸n: cada empresa est谩 posicionando su propia plataforma de voz. Amazon quien destaca en el radar de ABI Research, con su entrada en la industria del autom贸vil a trav茅s de su tecnolog铆a de voz, y el buen comportamiento de sus dispositivos Echo y Fire, compatibles con voz, el gigante puede experimentar un fuerte crecimiento si sabe capitalizar este momento, concluye el analista.

NetworkWorld

CA Technologies presenta ecosistema integrado de entrega de aplicaciones

La compa帽铆a se帽ala que ya est谩 disponible, CA Release Automation Continuous Delivery Edition y nuevas integraciones entre la cartera de soluciones DevOps de CA y soluciones de terceros. Con ello crea “el primer ecosistema de entrega contin煤a integrado, totalmente automatizado y abierto”.

Automatizar el ciclo de vida de las aplicaciones para mejorar el tiempo de despliegue y la eficiencia de las pruebas. Ese es el objetivo de CA Technologies con el lanzamiento de CA Release Automation Continuous Delivery Edition y nuevas integraciones entre la cartera de soluciones DevOps de CA y soluciones de terceros. Gracias a ello, aseveran desde la compa帽铆a, las organizaciones pueden conectar y automatizar toda la promoci贸n de la aplicaci贸n desde la fase de desarrollo a la de pruebas y producci贸n. 鈥淓sto permite acelerar los tiempos de despliegue de las aplicaciones hasta 20 veces y mejorar la eficiencia de las pruebas hasta en un 25%鈥, reza un comunicado de 茅sta.

Jeff Scheaffer, director general de Continuous Delivery en CA Technologies, se帽al贸 que 鈥減ara prosperar en la econom铆a de las aplicaciones, la transformaci贸n digital debe ser impulsada por la entrega continua, es decir, la capacidad de entregar r谩pidamente y de forma fiable aplicaciones que satisfagan las demandas de los clientes externos e internos por igual鈥. En este sentido, a帽ade, 鈥淐A es el 煤nico proveedor de soluciones DevOps que actualmente conecta el desarrollo, las pruebas, la gesti贸n y las operaciones de entrega en una cadena de herramientas abierta y transparente que ayuda a las organizaciones a alcanzar nuevos niveles de velocidad y calidad en la entrega de aplicaciones鈥.

Nuevas soluciones Agile Management

La compa帽铆a ha realizado este anuncio poco despu茅s del lanzamiento de nuevas capacidades en sus soluciones Agile Management con las que, afirman, 鈥渓as organizaciones pueden generar valor m谩s r谩pidamente, desde la planificaci贸n hasta la ejecuci贸n y el soporte al cliente鈥.

Entre las nuevas soluciones presentadas, se destacan las capacidades ampliadas que incluyen integraciones entre CA Project & Portfolio Management聽 (CA PPM) y CA Agile Central (anteriormente Rally), un nuevo enfoque basado en las personas para PPM y para la gesti贸n de servicios TI con CA PPM y CA Service Management, y nuevas caracter铆sticas de CA Agile Central.

Redacci贸n

Microsoft actualiza el c贸digo fuente de ASP.NET y .NET Core

La compa帽铆a lanza la versi贸n 1.0 de sus c贸digos fuente, .Net Core y ASP. Mediante la tecnolog铆a de .Net Core y ASP, Microsoft ha desarrollado la plataforma de software .Net, haciendo posible extenderla a Linux y otras plataformas populares de m贸viles. La compa帽铆a tambi茅n ha creado un protocolo que permite el uso de las herramientas en varios idiomas.

.Net Core proporciona un set modular del marco de programaci贸n base y est谩 destinado a promover la reutilizaci贸n del c贸digo y su intercambio abierto; por otro lado, ASP.Net tiene como fin construir aplicaciones conectadas a la red basadas en cloud, incluyendo apps de la web. Estas tecnolog铆as han transformado .Net en una plataforma centrada en dise帽ar aplicaciones para Windows, Linux y MacOS, seg煤n ha explicado Joseph Sirosh, vicepresidente corporativo del Grupo de Datos en Microsoft.

Adem谩s, .Net Core 1.0 incluye el primer lanzamiento de su librer铆a .Net para que facilitar la reutilizaci贸n de c贸digos en aplicaciones que funcionen en servidores, escritorios o la nube; soportando tambi茅n una amplia gama de dispositivos que incluyen smartphones con los sistemas operativos iOS, Android y Windows.

En mayo, Microsoft estim贸 que introducir铆an .Net Core 1.0 y ASP.Net Core 1.0 en junio, un movimiento con el que la compa帽铆a busca atraer desarrolladores que no trabajen actualmente bajo las plataformas Windows. La tecnolog铆a .Net Core se apoya en la red de distribuci贸n Linux de la empresa Red Hat.

Por otro lado, Microsoft tambi茅n est谩 trabajando en la interoperabilidad entre lenguajes y herramientas. El equipo Eclipse Che, as铆 como Red Hat, est谩n adoptando el protocolo de lenguaje para servidores Visual Studio Code, un protocolo abierto que 鈥減ermite enriquecer con diferentes ediciones el c贸digo VS鈥, ha a帽adido Sirosh.

Recientemente, la empresa ha mostrado el servidor de base de datos SQL funcionando sobre plataforma Red Hat Linux, como ya anunci贸 el pasado mes de marzo. Adem谩s, Microsoft tambi茅n ha hecho accesible en GitHub su modelo del gestor de recursos Azure, por lo que ya es posible desplegar el PaaS de Red Hat, OpenShift, en Azure.

Por 煤ltimo, la compa帽铆a tambi茅n puede celebrar que Samsung va a unirse al comit茅 directivo t茅cnico de la Fundaci贸n.Net, encargado de dirigir el proceso t茅cnico que ata帽e al n煤cleo de los componentes de .Net. Algunos otros participantes que ya se unieron en su momento son JetBrains, Red Hat y Unity.

 

El 鈥楤rexit鈥 pasa factura al gasto tecnol贸gico mundial

El Brexit que se acaba de imponer en el Reino Unido va a lastrar a煤n m谩s al mercado tecnol贸gico global. Pero si alguien va a salir perjudicado de esta decisi贸n es el propio mercado brit谩nico, seg煤n ha concluido Gartner, que confirma los peores pron贸sticos.

La consultora preve铆a un aumento del 1,7% en el gasto en TI de Reino Unido para este a帽o, hasta alcanzar los 179.600 millones de d贸lares. Sin embargo, el pron贸stico ha bajado r谩pidamente, desde el jueves pasado, d铆a en que se conoci贸 el resultado final de la consulta para salir de la Uni贸n Europea.

Ahora, la estimaci贸n es que el resultado anual sea negativo, en una horquilla entre el -2 y el -5%, y con visos de que se mantenga tambi茅n el pr贸ximo a帽o. La raz贸n principal se resume en una sola palabra, 鈥渋ncertidumbre鈥, seg煤n el analista de Gartner, John Lovelock.

鈥淰a a ser un problema persistente en los pr贸ximos seis meses鈥, insisti贸 Lovelock, que menciona la dimisi贸n del primer ministro David Cameron, anunciada para el pr贸ximo mes de octubre, y los al menos dos a帽os de negociaciones que llevar谩 la negociaci贸n con la UE sobre los t茅rminos de la salida.

El gasto mundial de IT tampoco se va a librar del impacto y ya se rebaja la tasa de crecimiento prevista para el a帽o, desde el 1,5% al 1,2%. No en vano Reino Unido supone el 26% del gasto global en tecnolog铆a de Europa Occidental, superando a Alemania (18%), a pesar de ser 茅sta la mayor econom铆a de la Uni贸n. Lovelock atribuye la paradoja al uso intensivo de los servicios tecnol贸gicos empresariales en el Reino Unido.

El crecimiento del gasto en tecnolog铆a en Europa Occidental para este a帽o estaba fijado en el 0,2% hasta los 688,7 millones de d贸lares, incluido el Reino Unido. Veremos qu茅 impacto tiene el Brexit sobre este mercado pero todo apunta a que lastrar谩 las cifras europeas a valores negativos.

鈥 IDG.es

13 entornos para dominar el aprendizaje autom谩tico

Durante el a帽o pasado, el aprendizaje autom谩tico (machine learning) se ha ido generalizado de una forma sin precedentes. La tendencia no est谩 alimentada s贸lo por los entornos de nube baratos y los cada vez m谩s potentes hardwares GPU. Tambi茅n cuenta la explosi贸n de los entornos ahora disponibles para el aprendizaje autom谩tico. Todos son de c贸digo abierto, pero a煤n m谩s importante es la forma en que est谩n siendo dise帽ados para abstraer las partes m谩s dif铆ciles del machine learning 聽y poner sus t茅cnicas a disposici贸n de una amplia clase de desarrolladores.

Aqu铆 hay una docena de marcos de aprendizaje autom谩tico, ya sean de nueva aparici贸n o reci茅n revisados en el 煤ltimo a帽o. Todos llamaron la atenci贸n por ser productos con una gran presencia en TI, por intentar llevar una nueva simplicidad a su dominio del problema, o por 聽dirigirse un reto espec铆fico asociado con el aprendizaje autom谩tico.

Apache Spark MLlib

Apache Spark puede ser m谩s conocido por ser parte de la familia de Hadoop, pero este marco de procesamiento de datos en memoria naci贸 fuera de Hadoop y se est谩 haciendo un nombre por s铆 mismo fuera del ecosistema Hadoop tambi茅n. Spark se ha convertido en una herramienta go-to para el machine learning, gracias a su creciente biblioteca de algoritmos que se pueden aplicar a los datos en memoria a alta velocidad. Spark no se para, ya que los algoritmos disponibles est谩n siendo constantemente ampliados y revisados. La versi贸n1.5聽 del a帽o pasado a帽adi贸 muchos algoritmos nuevos, mejorando los ya existentes, y reforz贸 a煤n m谩s el soporte MLlib en Python, una plataforma importante para las matem谩ticas y las estad铆sticas de los usuarios. La reci茅n estrenada 聽versi贸n 1.6 hace posible, entre otras cosas, suspender y reanudar trabajos de Spark ML a trav茅s de conducciones persistentes.

 

Apache Singa

Los entornos de aprendizaje profundo potencian funciones de servicio duras de aprendizaja autom谩tico, tales como el procesamiento del lenguaje natural y reconocimiento de im谩genes. Singa, recientemente aceptada en la Incubadora de Apache, es un marco de c贸digo abierto destinado a hacer m谩s f谩cil entrenar modelos de aprendizaje profundo de grandes vol煤menes de datos. Singa proporciona un modelo de programaci贸n sencillo para entrenar las redes de aprendizaje profundo a trav茅s de un grupo de m谩quinas, y es compatible con los puestos trabajos de entrenamiento m谩s comunes: redes neuronales convolucionales, m谩quinas de Boltzmann restringidas, o redes neuronales recurrentes. Los modelos pueden ser entrenados de forma sincr贸nica (uno tras otro) o as铆ncrona (uno al lado del otro), dependiendo de lo que funcione mejor para el problema dado. Singa tambi茅n simplifica la configuraci贸n del cl煤ster con Apache Zookeeper.

 

Caffe

El entorno de aprendizaje profundo 聽Caffe “est谩 hecho con la expresi贸n, la velocidad y la modularidad en mente鈥. 聽Originalmente desarrollado en 2013 para proyectos de visi贸n artificial, Caffe 聽seha ampliado desde entonces para incluir otras aplicaciones, tales como el habla y multimedia. La velocidad es una prioridad, por lo que Caffe ha sido escrito completamente en C ++, con soporte para la aceleraci贸n CUDA, aunque se puede cambiar entre la CPU y la GPU de procesamiento, seg煤n sea necesario. La distribuci贸n incluye un conjunto de modelos de referencia gratis y de c贸digo abierto para los trabajos de clasificaci贸n comunes, con otros modelos creados y donados por la comunidad de usuarios Caffe.

 

Microsoft Azure ML Studio

Dada la gran cantidad de datos y la potencia de c谩lculo necesaria para llevar a cabo el aprendizaje autom谩tico, la nube es un ambiente ideal para aplicaciones ML. Microsoft ha equipado Azure con su propio servicio de pago por uso de machine learning, Azure ML Studio, con versiones mensuales, por hora, y versiones sin nivel. (El proyecto HowOldRobot de la compa帽铆a fue creado con este sistema). Azure ML Studio permite a los usuarios crear y entrenar modelos, para聽 a continuaci贸n, 聽convertirlos en API que puedan ser consumidos por otros servicios. Los usuarios pueden obtener hasta 10 GB de almacenamiento por cuenta de modelos de datos, aunque tambi茅n se puede conectar su propio almacenamiento de Azure al servicio para los modelos m谩s grandes. Una amplia gama de algoritmos est谩n disponibles, cortes铆a de Microsoft y terceros. Ni siquiera necesita una cuenta para probar el servicio; puede iniciar sesi贸n en forma an贸nima y utilizar Azure ML Studio un m谩ximo de ocho horas.

 

Amazon Machine Learning

El planteamiento general de Amazon para servicios en la nube ha seguido un patr贸n. Proporcionar los conceptos b谩sicos, atraer una audiencia de base que la cuide, dejar que construyan en la parte m谩s alta y, a continuaci贸n, averiguar lo que realmente necesitan y ofrecerlo. Lo mismo podr铆a decirse de su primera incursi贸n en el aprendizaje autom谩tico 聽que ofrece como un servicio, Amazon Machine Learning. Se conecta a los datos almacenados en Amazon S3, Redshift, o RDS, y se puede ejecutar la clasificaci贸n binaria, la categorizaci贸n multiclase, o la regresi贸n de dichos datos para crear un modelo. Sin embargo, el servicio est谩 altamente centrado en Amazon. Adem谩s de ser dependiente de los datos almacenados en Amazon, los modelos resultantes no pueden ser importados o exportados, y los conjuntos de datos para los modelos de formaci贸n no pueden ser mayores que 100 GB. A煤n as铆, es un comienzo, y muestra c贸mo el aprendizaje autom谩tico se est谩 haciendo pr谩ctico en lugar de ser un lujo.

 

Microsoft Distributed Machine Learning Toolkit

Cuantos 聽m谩s ordenadores tengas 聽que lanzar en cualquier problema de aprendizaje autom谩tico, mejor – pero poniendo juntos m谩quinas y desarrollar aplicaciones ML聽 que se ejecuten bien a trav茅s de todos ellos puede ser complicado. El marco de Microsoft, DMTK, (Distributed Machine Learning Toolkit) aborda el tema de la distribuci贸n de diversos tipos de puestos de trabajo de aprendizaje autom谩tico a trav茅s de un grupo de sistemas. DMTK est谩 catalogado como un entorno en lugar de soluci贸n fuera de la caja en toda regla, por lo que el n煤mero de algoritmos reales que incluye en 茅l es peque帽o. Pero el dise帽o de DMTK permite la expansi贸n futura, y a los usuarios sacar el m谩ximo provecho de las agrupaciones de recursos limitados. Por ejemplo, cada nodo del cl煤ster tiene una cach茅 local, lo que reduce la cantidad de tr谩fico con el nodo servidor central que proporciona par谩metros para el trabajo en cuesti贸n.

 

Google TensorFlow

Al igual que DMTK de Microsoft, Google TensorFlow es un marco de aprendizaje autom谩tico dise帽ado para escalar a trav茅s de m煤ltiples nodos. Al igual que con Kubernetes de Google, que fue construido para resolver los problemas internamente en Google, y Google finalmente lo ha elegido para lanzarlo como un producto de c贸digo abierto. TensorFlow implementa lo que se llaman diagramas de flujo de datos, donde los lotes de datos ( “tensores”) pueden ser procesados por una serie de algoritmos que se describen mediante un gr谩fico. Los movimientos de los datos a trav茅s del sistema se denominan “flujos” – de ah铆 el nombre. Los gr谩ficos pueden ser ensamblados con C ++ o Python y pueden ser procesados 鈥嬧媏n las CPU o GPU. El plan a largo plazo de Google es que TensorFlow sea desarrollado por contribuciones de terceras partes.

 

Microsoft Computational Network Toolkit

Siguiendo los talones al lanzamiento de DMTK, Microsoft dio a conocer otro conjunto de herramientas de aprendizaje autom谩tico, el Computational Network Toolkit, o CNTK para abreviar. CNTK es similar a Google TensorFlow, ya que permite a los usuarios crear redes neuronales por medio de un graf铆co dirigido. Microsoft tambi茅n considera que es comparable a proyectos como Caffe, Theano, y Torch. Su principal ventaja sobre esos marcos es la velocidad, espec铆ficamente la capacidad de explotar las dos CPU m煤ltiples y varias GPU en paralelo. Microsoft alega que utilizar CNTK en conjunci贸n con los cl煤sters de la GPU en Azure acelera la formaci贸n de reconocimiento de voz de Cortana. Originalmente desarrollado como parte de la investigaci贸n de Microsoft en el reconocimiento de voz, CNTK fue ofrecido originalmente como un proyecto de c贸digo abierto en abril de 2015, pero desde entonces ha sido re-lanzado en GitHub bajo una licencia mucho m谩s liberal, al estilo del MIT.

 

Veles (Samsung)

Veles es una plataforma distribuida para aplicaciones de aprendizaje profundo, y al igual que TensorFlow y DMTK, est谩 escrito en C ++, aunque utiliza tambi茅n Python para llevar a cabo la automatizaci贸n y la coordinaci贸n entre los nodos. Los conjuntos de datos pueden ser analizados y autom谩ticamente normalizaron antes de alimentar el cl煤ster, y una API REST permite al 聽modelo entrenado ser utilizado en la producci贸n inmediatamente (asumiendo que su hardware sea lo suficientemente bueno). El uso de Veles de Python va m谩s all谩 del simple empleo que se har铆a de un c贸digo de adhesi贸n. IPython (ahora Jupyter), la herramienta de visualizaci贸n de datos y an谩lisis, puede visualizar y publicar los resultados de un cl煤ster de Veles. Samsung espera lanzar el proyecto como de c贸digo abierto lo que impulsar谩 algunos desarrollso, tales como los puertos a Windows y Mac OS X.

 

Brainstorm

Desarrollado a lo largo de 2015 por los estudiantes de doctorado Klaus Greff y Rupesh Srivastava en IDSIA (Instituto Dalle Molle de Inteligencia Artificial) en Lugano, Suiza, el objetivo del proyecto Brainstorm es 鈥渉acer las redes neuronales profundas r谩pidas, flexibles y divertidas鈥. El soporte ya est谩 incluido para una variedad de modelos de redes neuronales recurrentes, tales como LSTM. Brainstorm utiliza Python para proporcionar dos “handers”, o 聽APIs de gesti贸n de datos – una para el c谩lculo de la CPU por la biblioteca Numpy, y otra que aprovecha la GPU a trav茅s de CUDA. La mayor parte del trabajo se realiza a trav茅s de secuencias de comandos de Python, as铆 que no esperes una rica interfaz gr谩fica de usuario front-end, a excepci贸n de la que traiga usted mismo. Pero el plan a largo plazo es crear algo que emplee 鈥渓ecciones aprendidas de proyectos de c贸digo abierto anteriores鈥, y utilice 鈥渘uevos elementos de dise帽o compatible con m煤ltiples plataformas y computaci贸n back ends鈥.

 

mlpack 2

Nuestra evaluaci贸n previa de los recursos de aprendizaje autom谩tico dio con mlpack, un C ++ – basado en una biblioteca de aprendizaje autom谩tico que se puso en marcha en 2011 y dise帽ado para “escalabilidad, velocidad y facilidad de uso”, seg煤n los creadores de la biblioteca. La implementaci贸n de mlpack se puede hacer a trav茅s de una memoria cach茅 de comandos en l铆nea ejecutables , para operaciones de caja negra, o con un API de C ++ para un trabajo m谩s sofisticado.

 

Marvin

Otra producci贸n relativamente reciente, el marco de la red neural Marvin es un producto del Grupo Vision Princeton. Naci贸 “para ser hackeado”, como sus creadores explican en la documentaci贸n para el proyecto, y se basa s贸lo en unos pocos archivos escritos en C ++ y en el marco de la GPU CUDA. A pesar de que el c贸digo en s铆 mismo sigue siendo deliberadamente m铆nimo, el proyecto viene con una serie de modelos preentrenados que pueden ser reutilizados con la debida citaci贸n y contribuyeron a las solicitudes de extracci贸n como propio c贸digo del proyecto.

Neon

Nervana, una empresa que est谩 construyendo su propia plataforma de hardware y software de aprendizaje profundo, ha ofrecido un marco para el aprendizaje profundo llamado Neon como un proyecto de c贸digo abierto. Utiliza m贸dulos enchufables para permitir que 聽el trabajo pesado se haga en la CPU, la 聽GPU, o en el propio hardware personalizado de Nervana. Neon est谩 escrito principalmente en Python, con unas pocas piezas en C ++ para la velocidad. Esto hace que est茅 inmediatamente disponible para otros que trabajan en la ciencia de datos en Python o para la mayor铆a聽 de los otros marcos que tenga enlaces Python. La versi贸n 2.0 tiene un mont贸n de refactorizaciones y nuevas caracter铆sticas, incluyendo muchos nuevos tipos de algoritmos, y los cambios en los ya existentes para acelerarlos o rebajarlos. Por ejemplo, abandona la biblioteca Boost generadora de n煤meros aleatorios para funciones aleatorias nativas de C ++ 11.

Una desventaja de muchos a帽os es la falta de enlaces para cualquier idioma que no sea C ++, es decir, los usuarios de todo, desde R a Python no pueden hacer uso de mlpack a menos que alguien lance sus propios envoltorios de dichos idiomas. El trabajo se ha hecho para a帽adir soporte de MATLAB, pero los proyectos de este tipo tienden a disfrutar de una mayor absorci贸n cuando son directamente 煤tiles en los principales entornos en los que se lleva a cabo el trabajo de aprendizaje autom谩tico.

 

Serdar Yegulalp

Google podr铆a estar desarrollando su propio ‘smartphone’

Seg煤n informaci贸n publicada por `TheTelegraph麓, Google tiene pensado聽construir su propio tel茅fono inteligente desde cero, tal y como ha hecho con el Chromebook y la tableta Pixel.

Este nuevo desarrollo permitir铆a a Google competir directamente con Apple en el mercado de los smartphones, dominado a煤n por el iPhone en la mayor parte de Occidente. Seg煤n聽TheThelegraph,聽una fuente oficial de Google ha afirmado que el tel茅fono probablemente llegar谩聽al mercado a final de a帽o.

Recientemente se ha extendido el rumor de que la compa帽铆a est谩 buscando socios para construir sus propios chips, lo que podr铆a aligerar de forma considerable el proceso de reconstrucci贸n de los otros elementos necesarios para el nuevo smartphone.聽Parece ser que Google tambi茅n ha contratado al expresidente de Motorola, Rick Osterloh, para dirigir una nueva divisi贸n de hardware; con este fichaje, la compa帽铆a contar谩 con un gran experto en supervisiones de procesos.

Es muy probable que HTC desarrolle dos tel茅fonos Nexus este a帽o, as铆 que anunciar otro dispositivo m贸vil tan pronto podr铆a generar cansancio a los usuarios. Por ello, este trabajo entre bastidores podr铆a ser parte de una iniciativa a m谩s largo plazo que se聽materializar铆a el pr贸ximo a帽o, posiblemente junto al Proyecto ARA de Google de tel茅fonos modulares. Se trata de un rumor que agrada escuchar, incluso sabiendo que no ser谩 posible obtener un hardware nuevo a corto plazo.

Aunque Android domine a nivel mundial el mercado de los smartphones, la diferencia de ingresos con la App Store han sido siempre desaf铆os para Google. Una forma de solucionarlo es entrando en el negocio de hardware y de esta forma controlar todo: hardware, software y actualizaciones.

 

Irene Mu帽oz

7 h谩bitos de los desarrolladores altamente eficaces

Larry Wall, el autor original del lenguaje de programaci贸n Perl, dijo una vez que los grandes programadores tienen tres virtudes: la pereza, la impaciencia y la arrogancia.

Pereza, ya que los impulsa a escribir programas de ahorro de mano de obra y documentaci贸n, por lo que no tendr谩n que responder preguntas sobre ellos. Impaciencia, ya que les motiva a escribir programas que se anticipan a sus necesidades. Y soberbia, ya que les hace querer escribir c贸digo apretado que otras personas no criticar谩n.

Pero los grandes programadores no siempre son los m谩s productivos, y el desarrollador que obtiene trabajo bien hecho a diario, es mucho m谩s eficaz que el que de vez en cuando llega a alturas vertiginosas de codificaci贸n. Y para la mayor铆a de los empleadores lo que cuenta es el 谩rea bajo la curva, no el punto m谩s alto que alcanza.

As铆 que, para maximizar su empleabilidad, no necesariamente tiene que ser un gran desarrollador, pero s铆 es necesario ser efectivo. Aqu铆 hay siete h谩bitos que pueden hacer que un desarrollador sea m谩s eficaz.

 

1. Haga por lo menos cuatro horas de codificaci贸n cada d铆a
A primera vista esto parece poco ambicioso 鈥恖a mayor铆a de los codificadores est谩n en sus escritorios durante al menos ocho horas, y muchos por mucho m谩s de 10. Pero Peter Nixey, fundador y CEO del emprendimiento de correo electr贸nico Copyin, reconoce que muy poco de ese tiempo es dedicado a la labor real de desarrollo.

鈥淗e trabajado en proyectos donde los desarrolladores han malgastado su tiempo en reuniones, tenis de mesa, el almuerzo y as铆 sucesivamente鈥, anota.聽鈥淎s铆 que cuatro horas de trabajo puro 鈥恠in interrupciones para conseguir tazas de caf茅鈥 son sorprendentemente dif铆ciles de alcanzar en un entorno de oficina鈥.

Una clave para conseguir esas cuatro horas es evitar las interrupciones. Eso es porque una vez que est谩 鈥渆n la zona鈥 y su cerebro est谩 haciendo malabarismos con las variables, una sola interrupci贸n puede provocar la p茅rdida de hasta una hora a medida que trata de juntar las cosas de nuevo y volver a donde estaba, a帽ade Nixey.

 

2. Encaje con la cultura del equipo de desarrollo
Ser un jugador del equipo y llevarse bien con sus compa帽eros de trabajo es una parte importante de ser un desarrollador eficaz. Es mucho m谩s importante que tener habilidades de codificaci贸n de 茅lite y a帽os de experiencia, de acuerdo con Damien Filiatrault, CEO de la red de desarrolladores ScalablePath.

Se帽alando lo desagradable que puede ser trabajar con un nerd convencido de que es m谩s listo que los dem谩s, Filiatrault se帽ala que no importa c贸mo pueden ser las personas con talento, una pregunta clave es, 鈥溌縀s divertido trabajar con ellos?鈥 Si la respuesta es no, 鈥減uede afectar la moral de todo el equipo鈥, a帽ade.

Pero no son solo los arrogantes cuyas personalidades causan problemas. Tambi茅n pueden surgir problemas si los desarrolladores son demasiado agradables, o por alguna raz贸n no se sienten c贸modos en el ambiente del equipo. Por ejemplo, Filiatrault se帽ala que 鈥渓os desarrolladores de algunas partes del mundo podr铆an tratar de evitar conflictos, o pueden estar menos dispuestos a admitir que no pueden hacer algo, y eso puede ser un problema鈥.

 

3. Codifique en su tiempo libre
Si el 煤nico trabajo de desarrollo que hace es el trabajo por el que le pagan, puede ser dif铆cil que aprenda nuevas habilidades y obtener experiencia en nuevos campos. Por eso, Dave Child, fundador del desarrollador web Added Bytes, comenta que es importante hacer algo de c贸digo como recreaci贸n.

鈥淟os mejores desarrolladores que conozco tienen proyectos secundarios en los que est谩n trabajando鈥, a帽ade.

Ninguno de esos desarrolladores utiliza las habilidades que necesitan en sus puestos de trabajo remunerados para sus proyectos paralelos, agrega Child. En su lugar utilizan empresas extracurriculares como veh铆culos para la expansi贸n de sus habilidades, y para mantenerse al d铆a con los nuevos avances tecnol贸gicos en las 谩reas de su inter茅s.

 

4. Aprenda a escribir c贸digo poco riguroso
Muy pocos proyectos requieren desarrolladores brillantes para crear obras geniales de codificaci贸n: Lo que se necesita por lo general es una plataforma general donde se puedan construir caracter铆sticas espec铆ficas en la parte superior.

Nixey se帽ala que la mejor manera de lograr esto es escribir r谩pidamente algo que funciona y tomarlo desde all铆.

鈥淣o importa si el c贸digo es sucio, repetitivo o si tiene un mal nombre鈥, indica. 鈥淓l c贸digo es una manifestaci贸n de una soluci贸n, y puede refactorizarlo y hacerlo bien. Si intenta hacerlo perfecto de inmediato, puede dejarse llevar y lograr muy poco鈥.

 

5. No se quede en el mismo trabajo durante demasiado tiempo
Una manera segura de perder su eje de codificaci贸n es conseguir un trabajo dentro de un equipo de desarrollo y quedarse en la rutina, se帽ala Ni帽o. Eso es porque una vez que domina el trabajo que requiere, llega a un callej贸n sin salida y ya no avanzan sus habilidades por convertirse en un mejor programador.

鈥淓s necesario ponerse a prueba constantemente鈥, a帽ade. 鈥淪i ha trabajado en alg煤n lugar por un par de a帽os, entonces es probable que haya aprendido varias cosas por el hecho de permanecer all铆. As铆 que no se quede ah铆 鈥 siga adelante y encuentre un nuevo reto鈥.

 

6. Nunca deje de aprender
La tecnolog铆a de software cambia r谩pida y constantemente, y eso significa que muchas de las habilidades de codificaci贸n vitales de hoy ser谩n obsoletas ma帽ana. As铆 que, si usted est谩 planeando una carrera a largo plazo en el desarrollo de software, es importante estar al tanto de las nuevas tendencias y lenguajes que van surgiendo.

鈥淓l hecho simple es que no puede trabajar el resto de su carrera con el cuerpo actual del conocimiento que tiene 鈥恡iene que estar preparado para volver a aprender constantemente porque lo que se sabe hoy en d铆a no se sostendr谩鈥, anota Todd Anglin, evangelista jefe en la compa帽铆a de desarrollo Progress Software.

A帽ade que es importante concentrarse en lo que le interesa en lugar de tratar de ser un maestro de todos los oficios. 鈥淭iene que tener una pasi贸n y hambre para continuar, y saber en d贸nde quiere profundizar. No trate de aprender todo, porque eso es imposible 鈥恗antenga la concentraci贸n y siga aprendiendo鈥.

Filiatrault est谩 de acuerdo. 鈥淭al vez la mitad de todos los trabajos de desarrollo que hace implicar谩 cosas que no ha hecho antes. As铆 que la habilidad m谩s importante que puede tener es saber c贸mo aprender y buscar informaci贸n鈥, indica. 鈥淪i tiene esa habilidad puede ense帽arse a s铆 mismo lo que le sea necesario鈥.

 

7. Codifique lo que le importa
Gregor Riegler, autor del blog 鈥楽ea un mejor desarrollador鈥, se帽ala que es vital involucrarse en proyectos que le apasionen para garantizar que pone todo en sus esfuerzos de codificaci贸n.

鈥淟o importante para la motivaci贸n es que se preocupe por lo que hace el c贸digo鈥, indica Riegler. 鈥淭al vez pueda hacer el trabajo de una aplicaci贸n de una determinada manera, o tal vez haga un trabajo de m谩quina como usted quiere que lo haga鈥.

En cualquier caso, a帽ade, 鈥渘ecesita disfrutar lo que est谩 haciendo y tratar de conseguir los mejores resultados posibles. Si encuentra alegr铆a en ello, entonces, desarrollar谩 buen c贸digo鈥.

 

Paul Rubens, CIO.com聽

El CEO de Google, v铆ctima de hackeo

El CEO de Google, SundarPichai, se ha convertido en el m谩s reciente聽ejecutivo聽techen ser el blanco de los hackers en redes sociales; el responsable de este ciberataque advirti贸 de que continuar谩n los hackeos de este tipo.

Cabe recordar que el domingo, un grupo de hackers llamados OurMine logr贸 tener el control por unos momentos de Pichai en Quora, una red de preguntas y respuestas. 鈥淓stamos comprobando nuestra seguridad鈥, escribi贸 el hacker, lo que ocasion贸 la publicaci贸n autom谩tica del mismo mensaje en la cuenta de Twitter, al estar ligadas. La publicaci贸n yafue聽borrada.

OurMine tambi茅n es el mismo grupo quelogr贸 vulnerar聽las redes sociales del CEO de Facebook, Mark Zuckerberg, a inicios de este mes. Tambi茅n han revindicado otros ataques, como por ejemplo al CEO de Spotify y a un ejecutivo importante en Amazon.

Los hackersfueron聽inocuos hasta ahora, sin mayor repercusi贸n o datos sensibles robados de las cuentas. Sin embargo, Silicon Valley sigue preocupado sobre qui茅n podr铆a ser la siguiente v铆ctima.

En el caso de Zuckerberg, los hackers revindicaron que hab铆an conseguido entrar en su cuenta al descubrir que su contrase帽a de LinkedIn era 鈥渄adada鈥; en el caso de Pichai, OurMine simplemente ha dicho que 鈥渟u seguridad es muy d茅bil鈥. El grupopublic贸聽informaci贸n sobre el ciberataque en su web.

OurMine declar贸 por medio de un email que continuar铆a hackeando las cuentas de ejecutivos del mundo de la tecnolog铆a y celebridades. La semana pasada, el grupo declar贸 que tambi茅n hab铆a tomado el control de la cuenta de Twitter de la estrella ChanningTatum y Daniel Ek, el CEO de Spotify, publicando as铆 capturas de pantalla.

El lunes el grupo atac贸 la cuenta de Twitter del CTO de Amazon, Werner Vogels; seg煤n explic贸 el CTO en un tuit m谩s tarde, ha sido su cuenta de Bitly la quefue聽comprometida.

Hasta ahora, perece que los hackers est谩n m谩s centrados en conseguir publicidad que otro fin m谩s criminal; OurMine declar贸 que los usuarios pueden mejorar su seguridad utilizando los servicios que ofrece su grupo.

Por 100 d贸lares, OurMine asegura que pueden mejorar la seguridad de las cuentas en redes sociales, mientras que por 1,000 d贸lares revisar谩n una web en busca de sus vulnerabilidades. 鈥淪olo estamos intentando advertir a todo el mundo de que no hay nadie a salvo鈥,declar贸聽el grupo en un email. Algunas de las cuentas que han podido hacker ten铆an una contrase帽a d茅bil, mientras que otras ten铆an otras vulnerabilidades. Hasta ahora la empresa estima haber ganado 18,400 d贸lares vendiendo sus servicios.

El costo de una amenaza interna no intencional

Cuando pensamos en una amenaza interna, lo que generalmente nos viene a la mente es un聽empleado malicioso motivado por dinero, sin embargo, tambi茅n existen las acciones no聽intencionales. Una amenaza interna no intencional, ya sean por negligencia o simple descuido, con聽frecuencia pueden provocar una falla de seguridad que impacta en productividad, tiempo y聽dinero.

 

M谩s informaci贸n aqu铆.