This document provides an introduction to speech recognition with deep learning. It discusses how speech recognition works, the development of the field from early methods like HMMs to modern deep learning approaches using neural networks. It defines deep learning and explains why it is called "deep" learning. It also outlines common deep learning architectures for speech recognition, including CNN-RNN models and sequence-to-sequence models. Finally, it describes the layers of a CNN like convolutional, pooling, ReLU and fully-connected layers.
데이터베이스 수업도 듣고 선임자가 건네준 모델대로 구현해본 경험이 제법 있더라도, 막상 자신이 책임자가 되어 백지 위에 엔터티 박스와 관계선을 그려야 한다면 막막함이 앞을 가린다. 이전에 본 듯한 패턴을 흉내 내 그림을 그려보지만 수백, 수천의 엔터티 홍수 속에서 제대로 가고 있다는 확신이 서지 않는다.
저자는 이처럼 너무도 거대한 현업의 복잡함에 압도되어 길을 잃고 고생하는 후임들의 안타까운 모습에 직접 멘토가 되어주고자 이 책을 쓰기 시작했다. 내공이 깊어야 연공이 자유롭듯, 그 본질을 꿰고 있다면 어떤 업무가 주어지든 막힘없이 헤쳐나갈 수 있다. 짧은 호흡으로 경쾌하게 풀어낸 이야기들을 통해 따스한 온기가 묻어 있는 저자의 노하우를 내 것으로 만들자.
This document provides an introduction to speech recognition with deep learning. It discusses how speech recognition works, the development of the field from early methods like HMMs to modern deep learning approaches using neural networks. It defines deep learning and explains why it is called "deep" learning. It also outlines common deep learning architectures for speech recognition, including CNN-RNN models and sequence-to-sequence models. Finally, it describes the layers of a CNN like convolutional, pooling, ReLU and fully-connected layers.
데이터베이스 수업도 듣고 선임자가 건네준 모델대로 구현해본 경험이 제법 있더라도, 막상 자신이 책임자가 되어 백지 위에 엔터티 박스와 관계선을 그려야 한다면 막막함이 앞을 가린다. 이전에 본 듯한 패턴을 흉내 내 그림을 그려보지만 수백, 수천의 엔터티 홍수 속에서 제대로 가고 있다는 확신이 서지 않는다.
저자는 이처럼 너무도 거대한 현업의 복잡함에 압도되어 길을 잃고 고생하는 후임들의 안타까운 모습에 직접 멘토가 되어주고자 이 책을 쓰기 시작했다. 내공이 깊어야 연공이 자유롭듯, 그 본질을 꿰고 있다면 어떤 업무가 주어지든 막힘없이 헤쳐나갈 수 있다. 짧은 호흡으로 경쾌하게 풀어낸 이야기들을 통해 따스한 온기가 묻어 있는 저자의 노하우를 내 것으로 만들자.
Workshop on Advanced Design Patterns for Amazon DynamoDB - DAT405 - re:Invent...Amazon Web Services
Join us for the first-ever Amazon DynamoDB practical hands-on workshop. This session is designed for developers, engineers, and database administrators who are involved in designing and maintaining DynamoDB applications. We begin with a walkthrough of proven NoSQL design patterns for at-scale applications. Next, we use step-by-step instructions to apply lessons learned to design DynamoDB tables and indexes that are optimized for performance and cost. Expect to leave this session with the knowledge to build and monitor DynamoDB applications that can grow to any size and scale. Attendees should have a basic understanding of DynamoDB. To attend this workshop, bring your laptop.
머신러닝 및 데이터 과학 연구자를 위한 python 기반 컨테이너 분산처리 플랫폼 설계 및 개발Jeongkyu Shin
머신러닝 및 데이터 과학 분야의 컴퓨팅 수요는 해가 갈수록 급증하고 있습니다. 이와 더불어 분산처리 기술, 데이터 파이프라이닝 및 개발 환경 스택 관리 등의 관련된 다양한 이슈들 또한 엄청나게 늘어나고 있습니다. 머신러닝 모델의 기하급수적인 모델 복잡도 증가 추세와 마찬가지로, 모델 학습을 위한 환경 관리 또한 갈수록 복잡도가 높아지는 추세입니다.
이 세션에서는 이러한 문제를 해결하기 위해 python 언어 기반의 분산처리 스케쥴링/오케스트레이션 미들웨어 플랫폼을 개발한 4년간의 과정에서 겪은 다양한 문제들에 대해 다룹니다. 2015년 컨테이너 기반의 고밀도 분산처리 플랫폼 설계 및 프로토타이핑 과정을 PyCon KR에서 발표한 이후, 실제 구현 및 오픈소스화, 안정화를 거치며 겪은 다양한 기술적/비기술적 문제들에 대한 경험을 공유합니다.
기술적으로는 최근 몇 년 간의 클러스터 플랫폼 관련 기술의 진보와 함께 탄생한 다양한 도구들과, 이러한 도구들을 python 기반으로 엮어내기 위해 사용하고 개발한 다양한 오픈소스들을 다룹니다. Python 기반의 컨테이너 스케쥴링 및 오케스트레이션 과정의 구현과, 다양한 프로그래밍 언어로 만든 SDK를 graphQL을 이용하여 연동하는 과정에서의 몇몇 유의점을 설명합니다. 아울러 python 기반의 SDK를 다양한 언어로 포팅했던 경험을 간단하게 안내합니다.
플랫폼을 개발하는 중 등장한 TensorFlow, PyTorch 등의 다양한 머신러닝 프레임워크들을 도입하며 겪은 문제와 해결 과정에 대해서도 나눕니다. 연구 분야에는 Python 2.7 기반의 프레임워크들이 여전히 많습니다. 이러한 프레임워크 및 라이브러리의 지원을 위하여 Python 2 기반의 프레임워크와 Python 3.7로 구현한 컨테이너 인터페이스를 단일 컨테이너 환경에 중복 빌드 및 상호 간섭 없이 공존시키기 위해 개발한 아이디어를 소개합니다.
마지막으로 Python 기반의 프레임워크를 개발, 배포 및 상용화 하는 과정에서 겪은 다양한 어려움을 소개합니다. 솔루션을 배포 및 보급할 때 겪는 다양한 런타임, 하드웨어 환경 및 개인 정보 보호를 위한 폐쇄망 대상의 디플로이 등에 대응하기 위하여 Python 응용프로그램을 단독 실행용으로 패키징하는 과정에서 겪은 팁들을 설명합니다. 또한 GUI 빌드 및 Python, Go 및 C++을 함께 사용한 드라이버 가상화 레이어 개발 등의 내용도 살짝 다룹니다.
이 슬라이드는 PyCon KR 2019의 발표 슬라이드입니다. ( https://www.pycon.kr/program/talk-detail?id=138 )
Natural Language Processing (NLP) - IntroductionAritra Mukherjee
This presentation provides a beginner-friendly introduction towards Natural Language Processing in a way that arouses interest in the field. I have made the effort to include as many easy to understand examples as possible.
IaC로 AWS인프라 관리하기 - 이진성 (AUSG) :: AWS Community Day Online 2021AWSKRUG - AWS한국사용자모임
This document discusses managing AWS infrastructure using Infrastructure as Code (IaC). It begins by describing some limitations of manually managing resources through the AWS Console, such as not being able to easily track resource history or rollback changes. It then introduces AWS Cloud Development Kit (CDK) as a framework for defining cloud infrastructure as code using templates. CDK allows infrastructure to be managed programmatically like code, enabling easier version control, testing, and multi-environment deployments compared to manual methods. Some examples of using CDK to define VPCs, security groups, and deploying Fargate tasks and RDS instances are also provided. Lastly, some limitations of CDK are discussed.
Модуль 2: Лекция 7-8. Обзор моделей, методологий и фреймворковYana Brodetski
Обзор моделей, методологий и фреймворков
● Введение
● Определение модели
● Определение методологии
● Определение фреймворка
● Каскадная модель (Waterfall)
● Модель прототипирования (Prototype)
● Итеративная модель ( Iterative)
● Спиральная модель (Spiral)
● V-образная модель (V-model)
● Agile методология (Agile Methodology)
The document discusses various Python data structures and modules for working with data structures efficiently. It covers the abc module for defining abstract base classes, the array module for efficient storage of homogeneous data, the bisect module for working with sorted lists, the collections module which provides high-performance container data types like deque and defaultdict, namedtuple for creating tuple subclasses with named fields, heapq for priority queue implementation, and itertools for functions generating efficient iterators.
Commit 2018 - Integrando Microservicios y Machine LearningRafa Hidalgo
1) El documento describe una arquitectura para integrar modelos de machine learning en una aplicación mediante microservicios.
2) Se propone dividir la aplicación en tres servicios principales - interfaz, servicios y ML - empaquetados como contenedores Docker y orquestados por Kubernetes.
3) La arquitectura permite el desarrollo políglota usando diferentes tecnologías para cada servicio, con integración continua y entrega continua mediante Jenkins.
Este documento presenta una propuesta de plataforma tecnológica de IoT basada en micro-servicios y orientada a AWS. La propuesta incluye una arquitectura integral que utiliza sensores, actuadores, dispositivos como Arduino y Raspberry Pi, y servicios en la nube de AWS como ECS, DynamoDB y API Gateway. El objetivo es crear un ecosistema de innovación abierta que permita desarrollar soluciones para problemas académicos y de emprendimiento en Ecuador.
Transparencias de apoyo del Taller Práctico de Android impartido en la iParty 13 (http://iparty.aditel.org). El código fuente del caso de estudio puede encontrarse aquí: https://bitbucket.org/jmunoz/android-example-eltiempo
Workshop on Advanced Design Patterns for Amazon DynamoDB - DAT405 - re:Invent...Amazon Web Services
Join us for the first-ever Amazon DynamoDB practical hands-on workshop. This session is designed for developers, engineers, and database administrators who are involved in designing and maintaining DynamoDB applications. We begin with a walkthrough of proven NoSQL design patterns for at-scale applications. Next, we use step-by-step instructions to apply lessons learned to design DynamoDB tables and indexes that are optimized for performance and cost. Expect to leave this session with the knowledge to build and monitor DynamoDB applications that can grow to any size and scale. Attendees should have a basic understanding of DynamoDB. To attend this workshop, bring your laptop.
머신러닝 및 데이터 과학 연구자를 위한 python 기반 컨테이너 분산처리 플랫폼 설계 및 개발Jeongkyu Shin
머신러닝 및 데이터 과학 분야의 컴퓨팅 수요는 해가 갈수록 급증하고 있습니다. 이와 더불어 분산처리 기술, 데이터 파이프라이닝 및 개발 환경 스택 관리 등의 관련된 다양한 이슈들 또한 엄청나게 늘어나고 있습니다. 머신러닝 모델의 기하급수적인 모델 복잡도 증가 추세와 마찬가지로, 모델 학습을 위한 환경 관리 또한 갈수록 복잡도가 높아지는 추세입니다.
이 세션에서는 이러한 문제를 해결하기 위해 python 언어 기반의 분산처리 스케쥴링/오케스트레이션 미들웨어 플랫폼을 개발한 4년간의 과정에서 겪은 다양한 문제들에 대해 다룹니다. 2015년 컨테이너 기반의 고밀도 분산처리 플랫폼 설계 및 프로토타이핑 과정을 PyCon KR에서 발표한 이후, 실제 구현 및 오픈소스화, 안정화를 거치며 겪은 다양한 기술적/비기술적 문제들에 대한 경험을 공유합니다.
기술적으로는 최근 몇 년 간의 클러스터 플랫폼 관련 기술의 진보와 함께 탄생한 다양한 도구들과, 이러한 도구들을 python 기반으로 엮어내기 위해 사용하고 개발한 다양한 오픈소스들을 다룹니다. Python 기반의 컨테이너 스케쥴링 및 오케스트레이션 과정의 구현과, 다양한 프로그래밍 언어로 만든 SDK를 graphQL을 이용하여 연동하는 과정에서의 몇몇 유의점을 설명합니다. 아울러 python 기반의 SDK를 다양한 언어로 포팅했던 경험을 간단하게 안내합니다.
플랫폼을 개발하는 중 등장한 TensorFlow, PyTorch 등의 다양한 머신러닝 프레임워크들을 도입하며 겪은 문제와 해결 과정에 대해서도 나눕니다. 연구 분야에는 Python 2.7 기반의 프레임워크들이 여전히 많습니다. 이러한 프레임워크 및 라이브러리의 지원을 위하여 Python 2 기반의 프레임워크와 Python 3.7로 구현한 컨테이너 인터페이스를 단일 컨테이너 환경에 중복 빌드 및 상호 간섭 없이 공존시키기 위해 개발한 아이디어를 소개합니다.
마지막으로 Python 기반의 프레임워크를 개발, 배포 및 상용화 하는 과정에서 겪은 다양한 어려움을 소개합니다. 솔루션을 배포 및 보급할 때 겪는 다양한 런타임, 하드웨어 환경 및 개인 정보 보호를 위한 폐쇄망 대상의 디플로이 등에 대응하기 위하여 Python 응용프로그램을 단독 실행용으로 패키징하는 과정에서 겪은 팁들을 설명합니다. 또한 GUI 빌드 및 Python, Go 및 C++을 함께 사용한 드라이버 가상화 레이어 개발 등의 내용도 살짝 다룹니다.
이 슬라이드는 PyCon KR 2019의 발표 슬라이드입니다. ( https://www.pycon.kr/program/talk-detail?id=138 )
Natural Language Processing (NLP) - IntroductionAritra Mukherjee
This presentation provides a beginner-friendly introduction towards Natural Language Processing in a way that arouses interest in the field. I have made the effort to include as many easy to understand examples as possible.
IaC로 AWS인프라 관리하기 - 이진성 (AUSG) :: AWS Community Day Online 2021AWSKRUG - AWS한국사용자모임
This document discusses managing AWS infrastructure using Infrastructure as Code (IaC). It begins by describing some limitations of manually managing resources through the AWS Console, such as not being able to easily track resource history or rollback changes. It then introduces AWS Cloud Development Kit (CDK) as a framework for defining cloud infrastructure as code using templates. CDK allows infrastructure to be managed programmatically like code, enabling easier version control, testing, and multi-environment deployments compared to manual methods. Some examples of using CDK to define VPCs, security groups, and deploying Fargate tasks and RDS instances are also provided. Lastly, some limitations of CDK are discussed.
Модуль 2: Лекция 7-8. Обзор моделей, методологий и фреймворковYana Brodetski
Обзор моделей, методологий и фреймворков
● Введение
● Определение модели
● Определение методологии
● Определение фреймворка
● Каскадная модель (Waterfall)
● Модель прототипирования (Prototype)
● Итеративная модель ( Iterative)
● Спиральная модель (Spiral)
● V-образная модель (V-model)
● Agile методология (Agile Methodology)
The document discusses various Python data structures and modules for working with data structures efficiently. It covers the abc module for defining abstract base classes, the array module for efficient storage of homogeneous data, the bisect module for working with sorted lists, the collections module which provides high-performance container data types like deque and defaultdict, namedtuple for creating tuple subclasses with named fields, heapq for priority queue implementation, and itertools for functions generating efficient iterators.
Commit 2018 - Integrando Microservicios y Machine LearningRafa Hidalgo
1) El documento describe una arquitectura para integrar modelos de machine learning en una aplicación mediante microservicios.
2) Se propone dividir la aplicación en tres servicios principales - interfaz, servicios y ML - empaquetados como contenedores Docker y orquestados por Kubernetes.
3) La arquitectura permite el desarrollo políglota usando diferentes tecnologías para cada servicio, con integración continua y entrega continua mediante Jenkins.
Este documento presenta una propuesta de plataforma tecnológica de IoT basada en micro-servicios y orientada a AWS. La propuesta incluye una arquitectura integral que utiliza sensores, actuadores, dispositivos como Arduino y Raspberry Pi, y servicios en la nube de AWS como ECS, DynamoDB y API Gateway. El objetivo es crear un ecosistema de innovación abierta que permita desarrollar soluciones para problemas académicos y de emprendimiento en Ecuador.
Transparencias de apoyo del Taller Práctico de Android impartido en la iParty 13 (http://iparty.aditel.org). El código fuente del caso de estudio puede encontrarse aquí: https://bitbucket.org/jmunoz/android-example-eltiempo
Este documento presenta un taller sobre DevSecOps en Azure. El taller cubrirá la introducción a DevOps y Azure DevOps, las ventajas y características principales de Azure DevOps, la introducción a DevSecOps, el uso de herramientas de seguridad de aplicaciones en Azure DevOps y por qué usar Secure DevOps Kit para Azure. Los oradores incluyen expertos en DevSecOps, Azure y seguridad.
Este documento presenta un taller sobre DevSecOps en Azure. Incluye una introducción a DevOps, Azure DevOps y DevSecOps, así como el uso de herramientas de seguridad de aplicaciones en Azure DevOps. Los oradores son expertos en DevSecOps y seguridad de la información con experiencia relevante.
Liquid Day - Microservicios y contenedoresSoftware Guru
Este documento describe cómo los microservicios y los contenedores de Linux se pueden usar juntos para lograr integración y entrega continua. Los microservicios permiten desarrollar aplicaciones como conjuntos de pequeños servicios independientes que se comunican entre sí, lo que permite mayor agilidad. Los contenedores de Linux son ideales para implementar microservicios porque permiten empaquetar y ejecutar aplicaciones de forma portable y aislada. OpenShift puede usar para orquestar microservicios en contenedores y habilitar prácticas de integración y entrega continua
Visual Studio 2010 Ligthswitch + AZURE + Zero CodeBruno Capuano
Este documento presenta LightSwitch, una herramienta de Microsoft para crear aplicaciones de negocio de forma rápida con poco o ningún código. También explora Azure, la plataforma en la nube de Microsoft, incluyendo tipos de servicios como SQL Azure y App Fabric. El documento concluye con demostraciones de cómo migrar una base de datos Access a SQL Azure y desplegar una aplicación LightSwitch en Azure.
El documento compara los enfoques monolíticos y de microservicios para el desarrollo de software. Los monolíticos tienen ventajas como simplicidad y facilidad de pruebas y despliegue, pero desventajas como código largo y difícil de escalar. Los microservicios dividen la aplicación en partes pequeñas e independientes, permitiendo escalabilidad, uso de diferentes tecnologías y facilidad de actualización, aunque son más complejos de implementar y requieren habilidades en arquitectura distribuida. El documento provee consejos
Koding for kids es un programa de formación que contribuye a desarrollar habilidades del Siglo XXI tales como el pensamiento crítico y computacional, la creatividad y la resolución de problemas a través del uso e implementación de la micro:bit.
Santiago Barrio González es un ingeniero informático con una amplia experiencia de más de 20 años en el sector tecnológico y comercial. Actualmente trabaja como responsable de proyectos TI en Abalia, donde gestiona proyectos y sistemas. Previamente ha ocupado varios puestos de gestión de proyectos, administración de sistemas y ventas. Posee varias certificaciones en gestión de proyectos, servicios y tecnología.
SPS Madrid 2019 - Eleva tu aplicaciones de PowerApps a otro nivelImanol Iza Martin
Este documento presenta las nuevas características y capacidades de PowerApps. Incluye demostraciones de componentes reusables, aplicaciones offline, visualizaciones personalizadas con SVG y la integración de aplicaciones de PowerApps en aplicaciones model-driven. El documento también discute las próximas actualizaciones de PowerApps Portales, PCF, páginas responsivas y la administración centralizada de Power Platform.
Microsoft Cloud Workshop realizado por atSistemas para Arquitectos, Developers y Admin IT sobre Cloud Native, Contenedores y DevOps en Azure usando Docker AKS Kubernetes y Azure DevOps para automatizar todo el proceso de despliegue.
Este documento proporciona información sobre un programa de especialización en Front End Developer. El objetivo del programa es que los estudiantes aprendan a desarrollar sitios y aplicaciones web usando HTML5, CSS, JavaScript y frameworks como jQuery. El programa incluye módulos sobre maquetación, AJAX, interfaces de usuario y otros temas, y los estudiantes aprenderán de forma práctica a través de proyectos.
MyAppgen es un generador de aplicaciones que permite crear rápidamente aplicaciones complejas con pocos recursos. Genera aplicaciones en Java que pueden funcionar en diferentes sistemas operativos y bases de datos. El generador simplifica el desarrollo de aplicaciones al proveer funcionalidades predefinidas y permitir la creación de prototipos que se pueden convertir en aplicaciones completas.
Cruz Ulises Lárraga Ramírez es un ingeniero en tecnologías de la información y comunicaciones de Ciudad Valles, San Luis Potosí, México. Tiene experiencia como desarrollador Java trabajando con Spring Boot, microservicios, DevOps y contenedores Docker. Actualmente trabaja como arquitecto de microservicios para la empresa Neoris.
2. SOBRE NOSOTROS
Julio Palma Vázquez
Desarrollador Java desde hace
más de 17 años, muy interesado
en IoT, microservicios y
arquitectura de aplicaciones. El
trabajo me ha llevado a buena
parte de España pero también a
Dinamarca, Alemania, Irlanda y
EEUU. Speaker en eventos locales
e internacionales. Implicado con
la comunidad de desarrolladores.
Gran fan de la ciencia ficción y
los juegos de rol, ciclista de
montaña y padre orgulloso. En
mis ratos libres trabajo en
Accenture Technology
Rafael Hidalgo Calero
Programador Sénior Java.
Actualmente, ando
introduciéndome en el mundo
Big Data. Defensor de la filosofía
open source. Speaker en la
pasada edición del Lambda
World, Cádiz. Trabajando en
Accenture Technology desde
2012
https://github.com/oscurowebhttps://github.com/restalion
@restalion @oscuroweb
3. OTRAS CHARLAS DE ACCENTURE TECHNOLOGY
Spring Cloud Microservices 101
01 Junio 02 Junio
Open Source Code Inspection, Security and
Testing Power Tools
Integrando Machine Learning en Microservicios
Selenium 1:1Desarrolla aplicaciones web sin usar HTML ni
JavaScript
Accenture Technology Stand
@juanmacintas, @restalion
Sala Colmenar 3, 11:00
@oscuroweb, @restalion
Sala Benalmádena 2, 16:00
@cloud4dev
Sala Colmenar 3, 12:00
@_deors
Sala Fuengirola 1, 17:30
@viarellano,
@thetechoddbug
Sala Canillas 13, 17:30
Podéis visitarnos en nuestro
stand a lo largo de toda la
conferencia
Introducción a Lagom y primeros pasos
@oscuroweb, David Urdiales
Sala Riogordo 1, 18:00
4. MACHINE LEARNING (ML)
Tratamiento de datos: selección
de labels, normalización,
categorización, etc…
División de los datos en conjuntos
de entrenamiento, validación y
test
Elección del modelo y parámetros:
Random Forest, SVM, Neural Net,
etc…
Entrenamiento
Evaluación
Obtención de datos
Exportación del
modelo
6. UNIENDO AMBOS CONCEPTOS (ML + µS)
El problema habitual de los algoritmos de ML es que no están pensados para soluciones en producción.
Integración entre los distintos componentes de la solución.
Necesitamos definir una arquitectura que nos permita aprovechar:
Ejecuciones de los algoritmos de ML (y toda su potencia).
Flexibilidad de las arquitecturas de µServicios.
Todos los mecanismos de DevOps aplicables al resto de la solución.
7. UNA PROPUESTA DE ARQUITECTURA DE EJECUCIÓN
income-predictor-
vaadin income-predictor-service income-predictor-ml
- Expone la UI
- Consume el servicio
REST
- Expone el interfaz REST
- Lee el modelo desde el fichero
- Guarda el feedback de los
usuarios para permitir reentrenar
el algoritmo
- Servicio planificado para reentrenar el
modelo con los datos originales y el feedback
de los usuarios
- Guardado del modelo generado
8. UNA PROPUESTA DE ARQUITECTURA DE EJECUCIÓN
income-predictor-
vaadin income-predictor-service income-predictor-ml
Spring Boot como framework base, completamente integrado con el resto de la aplicación.
Apache Spark como gestor de la parte ML
Vaadin como framework de presentación
9. DESPLIEGUE DEL PROYECTO
income-predictor-
vaadin income-predictor-service income-predictor-ml
git jenkins docker-registry
- Utilizamos git como
repositorio de código.
- Los desarrolladores
trabajan utilizando
git-flow.
- Jenkins está conectado
a git.
- Cada vez que un
subimos código se
lanza el pipeline.
- El último paso del
pipe es guardar la
imagen generada en
el registry
El despliegue se realiza a partir de
la imagen que tenemos en el Docker
registry
11. VENTAJAS DE LA ARQUITECTURA
Uso de frameworks bien conocidos en el desarrollo de microservicios.
Integración con los entornos de CI, y gestión de la calidad.
Todo el código Java puede utilizar la potencia de las herramientas de gestión de la calidad.
Al utilizar Docker simplificamos los despliegues y unificamos los distintos entornos.
El uso de interfaces REST para la integración nos permite utilizar un entorno políglota en el que parte de
la solución esté escrita en Java y otra en lenguajes como Python, R, … “solo” tenemos que exponer un
interfaz que sea consumible por el resto de la solución.