EuregJUG: Using actors for the internet of (lego) trainsJohan Janssen
Last year this session’s speaker and his colleagues started a new Internet of Things project: Internet of (Lego) Trains. They wanted to figure out if they could use Java or Scala/Akka on IoT hardware. The Lego trains are equipped with a Raspberry Pi, camera, wireless dongle, infrared transmitter, speaker, RFID reader, and battery pack. Next to that are automated switch tracks and cameras, again with the help of Raspberry Pi’s. To control the trains and other parts, they built an actor-based application with Scala, Akka, Akka HTTP, and AngularJS. The session covers when and how to use Akka HTTP and remote actors to create a new generation of applications. It also presents the results of the performance tests they did to compare the two options. A live demo is of course included.
EuregJUG: Using actors for the internet of (lego) trainsJohan Janssen
Last year this session’s speaker and his colleagues started a new Internet of Things project: Internet of (Lego) Trains. They wanted to figure out if they could use Java or Scala/Akka on IoT hardware. The Lego trains are equipped with a Raspberry Pi, camera, wireless dongle, infrared transmitter, speaker, RFID reader, and battery pack. Next to that are automated switch tracks and cameras, again with the help of Raspberry Pi’s. To control the trains and other parts, they built an actor-based application with Scala, Akka, Akka HTTP, and AngularJS. The session covers when and how to use Akka HTTP and remote actors to create a new generation of applications. It also presents the results of the performance tests they did to compare the two options. A live demo is of course included.
Розділ 4 Пошук у наукових виданнях // Куратор змісту : навч.-метод. посібник ...Julia Glavcheva
Розділ 4 Пошук у наукових виданнях // Куратор змісту : навч.-метод. посібник / В. М. Кухаренко, Ю. М. Главчева, О. В. Рибалко; заг. ред. В. М. Кухаренка. – Харків: «Міськдрук», НТУ «ХПІ», 2016 (скорочено)
Sandra Patriacia Loaiza. Asistente de Investigación del Grupo Suelos-Latinoamérica y el Caribe (Suelos-LAC) del Centro Internacional de Agricultura Tropical (CIAT).
Everyone who has studied - whether at a university, or a distance learning college - has had those universal student experiences that makes studying a very unique undertaking.
Likewise, here are some of the things that every student has said at least once during their studies.
Remember to: Like, share, or leave a comment!
ABCD library automation software can interact with DSPACE through SWORD protocol. This presentation introduces some concepts about IR and shows a prototype about SWORD connection between both software platforms.
Presentación del Repositorio Digital Agrícola, descripción de Dspace y aspectos técnicos del programa. Ofrecida en EGCTI, UPRRP el 20 de octubre de 2009 a la 1 pm.
Creando un único punto de acceso de úsqueda en una Biblioteca Virtual. La experiencia de GERIÓN (metabuscador). Jose Maria Carrion. 2ª Jornada Técnica Bibliotecas de Ciencias de la Salud en el siglo XXI: electrónicas, digitales, virtuales e híbridas (Madrid, 2008)
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningDenodo
Watch full webinar here: https://bit.ly/3CIN2NT
Los proyectos de Big Data y Machine Learning en muchos casos no logran los beneficios esperados y los lagos de datos se convierten en nuevos silos de datos que aportan poco valor a negocio. Los principales desafíos que encuentran las empresas para un aprovechamiento de las iniciativas de Big Data y Machine Learning son los siguientes:
- Identificación de fuentes de datos relevantes para el análisis del caso de negocio
- Dificultad para la integración de las fuentes de datos, se invierte mucho tiempo en tareas rutinarias de limpieza y preparación
- Problemas de colaboración en el equipo de trabajo: falta de visibilidad de las transformaciones realizadas, dificultad para la compartición de conocimiento y código
- Dificultad para soportar distintos perfiles con niveles de conocimiento dispares (e.g. analistas de negocio vs científicos de datos)
- Compartir resultados con los usuarios de negocio, evitar un nuevo silo de datos en la organización
- Dificultad a la hora de operacionalizar los algoritmos, surtir de datos a los algoritmos para extraer la información
- Las arquitecturas de Data Fabric vienen a facilitar el ciclo de vida de las iniciativas de Big Data y Machine Learning:
- Exploración e identificación de datos relevantes para el análisis mediante el Catálogo de Datos
- Preparación de los datos para alimentar los algoritmos de ML (con total trazabilidad de las combinaciones y transformaciones realizadas)
- Parametrización del algoritmo, tuning y adiestramiento mediante data science notebooks conectados a la capa de virtualización
- Operacionalización del algoritmo como un servicio de datos para usuarios de negocio
- Ofrecen una capa de gobierno y seguridad sobre las fuentes de datos
Los ponentes debatirán las distintas alternativas y cómo las arquitecturas de Data Fabric se han convertido en piezas clave para soportar iniciativas de Big Data y Machine Learning.
Розділ 4 Пошук у наукових виданнях // Куратор змісту : навч.-метод. посібник ...Julia Glavcheva
Розділ 4 Пошук у наукових виданнях // Куратор змісту : навч.-метод. посібник / В. М. Кухаренко, Ю. М. Главчева, О. В. Рибалко; заг. ред. В. М. Кухаренка. – Харків: «Міськдрук», НТУ «ХПІ», 2016 (скорочено)
Sandra Patriacia Loaiza. Asistente de Investigación del Grupo Suelos-Latinoamérica y el Caribe (Suelos-LAC) del Centro Internacional de Agricultura Tropical (CIAT).
Everyone who has studied - whether at a university, or a distance learning college - has had those universal student experiences that makes studying a very unique undertaking.
Likewise, here are some of the things that every student has said at least once during their studies.
Remember to: Like, share, or leave a comment!
ABCD library automation software can interact with DSPACE through SWORD protocol. This presentation introduces some concepts about IR and shows a prototype about SWORD connection between both software platforms.
Presentación del Repositorio Digital Agrícola, descripción de Dspace y aspectos técnicos del programa. Ofrecida en EGCTI, UPRRP el 20 de octubre de 2009 a la 1 pm.
Creando un único punto de acceso de úsqueda en una Biblioteca Virtual. La experiencia de GERIÓN (metabuscador). Jose Maria Carrion. 2ª Jornada Técnica Bibliotecas de Ciencias de la Salud en el siglo XXI: electrónicas, digitales, virtuales e híbridas (Madrid, 2008)
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningDenodo
Watch full webinar here: https://bit.ly/3CIN2NT
Los proyectos de Big Data y Machine Learning en muchos casos no logran los beneficios esperados y los lagos de datos se convierten en nuevos silos de datos que aportan poco valor a negocio. Los principales desafíos que encuentran las empresas para un aprovechamiento de las iniciativas de Big Data y Machine Learning son los siguientes:
- Identificación de fuentes de datos relevantes para el análisis del caso de negocio
- Dificultad para la integración de las fuentes de datos, se invierte mucho tiempo en tareas rutinarias de limpieza y preparación
- Problemas de colaboración en el equipo de trabajo: falta de visibilidad de las transformaciones realizadas, dificultad para la compartición de conocimiento y código
- Dificultad para soportar distintos perfiles con niveles de conocimiento dispares (e.g. analistas de negocio vs científicos de datos)
- Compartir resultados con los usuarios de negocio, evitar un nuevo silo de datos en la organización
- Dificultad a la hora de operacionalizar los algoritmos, surtir de datos a los algoritmos para extraer la información
- Las arquitecturas de Data Fabric vienen a facilitar el ciclo de vida de las iniciativas de Big Data y Machine Learning:
- Exploración e identificación de datos relevantes para el análisis mediante el Catálogo de Datos
- Preparación de los datos para alimentar los algoritmos de ML (con total trazabilidad de las combinaciones y transformaciones realizadas)
- Parametrización del algoritmo, tuning y adiestramiento mediante data science notebooks conectados a la capa de virtualización
- Operacionalización del algoritmo como un servicio de datos para usuarios de negocio
- Ofrecen una capa de gobierno y seguridad sobre las fuentes de datos
Los ponentes debatirán las distintas alternativas y cómo las arquitecturas de Data Fabric se han convertido en piezas clave para soportar iniciativas de Big Data y Machine Learning.
Python - Lenguaje de programación para Ciencia de DatosRoman Herrera
Uso de Python para procesamiento de Datos
* Python como lenguaje de programación para Data Science
* Herramientas para trabajar con Python (Jupyter Notebooks, Google Colab)
* Librerías para extender la funcionalidad de Python (Pandas, NumPy, Scipy, etc)
* Uso de Pandas para análisis de datos, ejercicios
En 1999 empezaron los trabajos que culminaron con la puesta en funcionamiento de TDX/TDR, el primer repositorio creado en España. Desde entonces la cooperación entre las universidades de Catalunya y la Biblioteca de Catalunya ha permitido poner en funcionamiento 5 repositorios cooperativos (TDX/TDR, RECERCAT, RACO, MDC y MDX). Esto ha sido posible por una división de tareas en la que las bibliotecas son las responsables de la introducción de contenidos, el CESCA de la preparación del software y el hardware y el CBUC de la coordinación de los procesos.
Este taller dividido en 4 partes, tiene la finalidad de explicar las diferentes fases que han vivido los repositorios cooperativos, las actuaciones llevadas a cabo en estos 10 años para llenarlos de contenido (estándares, aspectos legales, ayudas de digitalización, etc.), la experiencia de una de las universidades -la UPF- que participa en estos repositorios cooperativos y que a la vez dispone del suyo propio y la infraestructura técnica en la que se han desarrollado y evolucionado.
La presentación se corresponde con la parte de infraestructura del taller
Financiamiento de proyectos transnacionales. El caso E-LISRIBDA 2009
Fernanda Peset
Universidad Politécnica de Valencia (España)
Imma Subirats
FAO (Italia)
Antonia Ferrer
Universidad Politécnica de Valencia (España)
Rafael Aleixandre
CSIC-Universitat de València (España)
Experiencias en manejo de información en biodiversidadRIBDA 2009
Presenta las experiencias en manejo de información en biodiversidad del Instituto de Investigaciones de la Amazonía Peruana a través de su Programa de Investigación en Información de la Biodiversidad Amazónica - BIOINFO
Sistemas de información rural en el PerúRIBDA 2009
Presenta los alcances del reciente estudio sobre los Sistemas de Información Agraria y / o Rural en el Perú, investigación desarrollada por el área de Tecnologias de Informacion para el Desarrollo de CEPES
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “ROMPECABEZAS DE ECUACIONES DE 1ER. GRADO OLIMPIADA DE PARÍS 2024”. Esta actividad de aprendizaje propone retos de cálculo algebraico mediante ecuaciones de 1er. grado, y viso-espacialidad, lo cual dará la oportunidad de formar un rompecabezas. La intención didáctica de esta actividad de aprendizaje es, promover los pensamientos lógicos (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia, viso-espacialidad. Esta actividad de aprendizaje es de enfoques lúdico y transversal, ya que integra diversas áreas del conocimiento, entre ellas: matemático, artístico, lenguaje, historia, y las neurociencias.
Un libro sin recetas, para la maestra y el maestro Fase 3.pdfsandradianelly
Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestr
Las capacidades sociomotrices son las que hacen posible que el individuo se pueda desenvolver socialmente de acuerdo a la actuación motriz propias de cada edad evolutiva del individuo; Martha Castañer las clasifica en: Interacción y comunicación, introyección, emoción y expresión, creatividad e imaginación.
ACERTIJO DE CARRERA OLÍMPICA DE SUMA DE LABERINTOS. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA, crea y desarrolla ACERTIJO: «CARRERA OLÍMPICA DE SUMA DE LABERINTOS». Esta actividad de aprendizaje lúdico que implica de cálculo aritmético y motricidad fina, promueve los pensamientos lógico y creativo; ya que contempla procesos mentales de: PERCEPCIÓN, ATENCIÓN, MEMORIA, IMAGINACIÓN, PERSPICACIA, LÓGICA LINGUISTICA, VISO-ESPACIAL, INFERENCIA, ETCÉTERA. Didácticamente, es una actividad de aprendizaje transversal que integra áreas de: Matemáticas, Neurociencias, Arte, Lenguaje y comunicación, etcétera.
Today is Pentecost. Who is it that is here in front of you? (Wang Omma.) Jesus Christ and the substantial Holy Spirit, the only Begotten Daughter, Wang Omma, are both here. I am here because of Jesus's hope. Having no recourse but to go to the cross, he promised to return. Christianity began with the apostles, with their resurrection through the Holy Spirit at Pentecost.
Hoy es Pentecostés. ¿Quién es el que está aquí frente a vosotros? (Wang Omma.) Jesucristo y el Espíritu Santo sustancial, la única Hija Unigénita, Wang Omma, están ambos aquí. Estoy aquí por la esperanza de Jesús. No teniendo más remedio que ir a la cruz, prometió regresar. El cristianismo comenzó con los apóstoles, con su resurrección por medio del Espíritu Santo en Pentecostés.
1. Implementación de estrategias para el
acceso abierto en una institución de
investigación agrícola: la experiencia de
la Embrapa: aspectos tecnológicos.
2. Acceso Abierto
Experiencia Embrapa: aspectos
tecnológicos
Isaque Vacari
isaque@cnptia.embrapa.br
- RIBDA 2009 -
Reunión Interamericana de Bibliotecarios, Documentalistas y
Especialistas en Información Agrícola
Lima - Peru
Octubre del 2009
3. Programa
• Introducción;
• Parte I: Software Ainfo;
• Parte II: Experiencia de adecuación
del DSpace;
• Parte III: Harvester OAI-PMH;
• Parte IV: Resultados obtenidos.
6. Parte I
Ainfo: sistema para gestión de la
información técnica y científica; integra
bases de datos de registros y
procedimientos bibliográficos.
7. Ainfo
• Historico:
– 1991 a 1997: desde la versión 1.0 se han
implementado 4 versiones - 2.0. 2,1 y
3,0. Entorno DOS y Unix (monousuario).
Base de datos Paradox;
– 1999 a 2003: 4 versiones (1.0, 1.1, 1.2 e
1.3). Windows Desktop Cliente/Servidor
Local. Base de datos Firebird.
– 2006: retomada de la numeración
original y lanzamiento del Ainfo 5.
8. Ainfo
• Historico:
– La creciente evolución del acceso a
Internet, la mejora de la red de
infraestructura de los centros de
investigación de Embrapa (40) y la
demanda por la gestión de la información
llevó el proyecto a una nueva versión de
AINFO, apropiada a la web (acceso en
línea).
9. Ainfo
• Ainfo 6.0: Lanzado en Febrero de
2009.
– Creado con Software Libre:
– Arquitectura J2EE (Java Server Faces,
Hibernate);
– Sistema de Gestión de Banco de Datos:
MySQL;
– Servidor WEB: Tomcat.
– Acceso en línea, entorno WEB con
recursos de la WEB 2.0.
10. BDPA: Literatura adquirida PRODEMB: Literatura
y producida por Embrapa producida por el sector de
investigación
“Upload” de las
publicaciones
digitales Bibliotecario
Repositorio Tecnológico Repositorio Científico
(OAI) (OAI)
Actualización automática
de los metadatos dos
Repositorios: Tecnologico Catalogación
y completa
Científico
Gestión de bibliotecas (acervo bibliográfico, periódicos,
préstamos, inventario etc.).
11. Ainfo: Sistema de bibliotecas creado por Embrapa.
Infoteca (DSpace): Servicio que reúne y permite acceso
en línea al acervo digital de informacioes sobre
tecnologías producidas y editadas por Embrapa (formato
digital). http://www.embrapa.br/infoteca
Repositório Científico (DSpace): Servicio que reúne y
oferece acceso en línea a la colección digital de la
información científica producida por Embrapa. (formato
digital). Desarrollo: software, procesos, flujos, etc.
BDPA – Bases de Dados da Pesquisa Agropecuária: Base
de datos que oferece acceso a la literatura técnico y
científica de las bibliotecas de Embrapa.
http://www.bdpa.cnptia.embrapa.br
PRODEMB – Produção Científica Embrapa: Apresenta la
literatura producida pelo sector de P&D.
http://www.prodemb.cnptia.embrapa.br
12. Infoteca
(información tecnológica)
• Comunidades: 40 (todos los centros
de investigación de Embrapa);
• Colecciones: 41 (futuro 240);
• Itens: 16.624 (PDF: 16.310 DOC: 313
MP3: 1);
• Downloads: 168.524 (Julho de 2009);
• Tamaño de los archivos: 33GB.
13. Repositorio Científico
(información cientifica)
• Comunidades: 40 (todos los centros
de investigación de Embrapa);
• Colecciones: 200;
• Itens: 7.267 (PDF: 6.976 DOC: 291);
• Tamaño de los archivos: 12.5GB;
• Acceso la Embrapa (desarrollo).
15. DSpace
• Experiencia de adaptación:
– Importación (rescate) automatizada de
publicaciones digitales já existentes para
el DSpace;
– Atualización automatizada de los
metadatos do DSpace;
– Adapatación (modificación) de la interfaz
(JSPUI) y del código-fuente del DSpace;
16. DSpace
• Experiencia de adaptación:
– Atualización de los metadatos y flujo de
trabajo de sometimiento de publicaciones
digitales hacia el DSpace.
– Indexación y búsqueda en el texto
completo (FULL-TEXT);
– Estadísticas de la Universidade do Minho
(Portugal).
17. DSpace
Banner
Internacionalización
Menú lateral
Noticias
Área de búsqueda
Publicaniones digitales
recientes
18. Thumbnail
Colores y layout
Tamaño del arquivo
(File Size)
26. Proveedor de Servicios
• Estudio de software libre para
creación del Proveedor de Servicios
OAI-PHM:
– Etapa 1: Identificación y selección de
softwares libres existentes;
– Etapa 2: Instalación y configuraión de las
soluciones elejidas;
– Etapa 3: Testes – mecanismos de colecta
de datos, búsqueda y recursos de
interfaz;
27. Proveedor de Servicios
• Estudio de software libre para
creación del Proveedor de Servicios
OAI-PHM:
– Etapa 4: Elección de la herramienta más
apropiada.
28. Proveedor de Servicios
Soluciones tecnológicas Open Source
(código abierto)
ARC JOAI PKP OBSERVAÇÕES
Última versão 2006 2009 2009 Arc: descontinuado.
Colecta de Datos
Interfaz de
WARN OK OK
administración Arc: coleta de dados por linha de comando.
Programación (shedule) OK OK OK
Formato de los archivos MySQL XML PostgreSQL
Performance 1 2 3
PKP: o processo de coleta de dados é encerrado
Avaliação geral (erros, automáticamente quando um dos arquivos do repositório
OK OK ERRO
registro de logs etc). desejado apresenta determinado erro.
Recursos Búsqueda
Mecanismo de MySQL Full Zend Search
Lucene
indexación y búsqueda Text Lucene
Búsqueda por repositorio SIM NÃO SIM
Búsqueda por campo SIM NÃO SIM
Operadores booleanos SIM SIM SIM
Ordenação do resultado SIM NÃO NÃO
Filtro do resultado SIM NÃO SIM
Facets NÃO NÃO NÃO
29. Proveedor de Servicios
• Colecta de datos: jOAI (Java OAI):
– Administración de colecta de datos;
– Mecanismo de colecta de datos;
– Programación (shedule) de repositorios
para colecta de datos.
• Mecanismo de indexación y búsqueda:
– Identificar soluciones Open Source.
• Interfaz de búsqueda:
– Desarrollar (crear) nueva interfaz.
30. Proveedor de Servicios
Full-Text Search Server: Interfaz de búsqueda: Sistema
Indexación y búsqueda de Recuperación de
Informaciones
Colecta de datos: administración
y colecta de datos
... RI PE RI PE RI PE
...
31. Proveedor de Servicios
• Colecta de datos: jOAI
– Administración de repositorios digitales:
inclusión, modificación y exclusión;
– Programación de la colecta de datos:
hora y período de colecta;
– Campos colectados: autor, título, assunto
(tema), fecha, año, descripción, idioma,
enlace (url) original y repositorio.
32. Proveedor de Servicios
• Searcher Server: Solr
– Operadores booleanos, búsqueda por
campo, en mascaramiento (*),
truncamiento (?);
– Agrupamiento (soja o trigo) y (uva);
– Tratamiento: Stopwords, sinônimos y
acentuación;
– Ordenamiento del resultado de
búsqueda;
– Highlight, Facets, etc.
33. Proveedor de Servicios
• Interfaz de búsqueda:
– Mecanismo de búsqueda (simple y
avanzado);
– Paginación;
– Facets;
– Navegación por repositorio;
– Interfaz amigable para búsqueda.
34. Proveedor de Servicios
• Situación del desarrollo:
– Total de repositorios colectados: 23;
– Total de registros colectados: 642.775;
– Previsión de lanzamiento: Abril de 2010;
– Processo sistematizado y automatizado.