Entradas

Mostrando las entradas de agosto, 2016

Aplicando reglas de seguridad para la base de datos en #Firebase

Imagen
El tema de las reglas de seguridad en #Firebase generalmente se minimiza pero, como están deduciendo en este momento, son muy importantes. #Firebase incorpora un lenguaje flexible para esta configuración. Además algo que me pareció muy interesante es el simulador que permite rápidamente detectar el comportamiento de las reglas aplicadas. Más detalles desde el sitio oficial aquí.

Practicando con el simulador, veamos una animación donde validamos las reglas para usuarios autenticados.

Ahora, cambiamos la regla de lectura genérica, para solo permitir a modo de ejemplo la autenticación utilizando el proveedor #google.

En el video propuesto a continuación, y siguiendo el desarrollo del este #codelab propuesto por el equipo de #googledevelopers, ponemos en práctica la descripción básica sobre las reglas de seguridad en #Firebase.



Aplicando reglas de seguridad para la base de datos en #Firebase por Nicolas Bortolotti se distribuye bajo una Licencia Creative Commons Atribución-CompartirIgual 4…

100 mujeres dicen... #tensorflow #clasificación

Imagen
Seguramente al leer el título llegan a tu mente gran cantidad de situaciones, se entiende, luego me cuentas tu opinión!. En este artículo el caso propone alimentar un modelo de clasificación en #tensorflow utilizando información de una social-survey donde mujeres opinan sobre las características de una parejas ideal.  Podrá #tensorflow ayudarnos a clasificar esta información? Cada una de las mujeres clasifica con preguntas simple como es un hombre [#Tirano, #Aventurero, #Apasionado]. Esta información está almacenada en #Bigquery [se podrían utilizar otro métodos de almacenamiento, pero sin pensamos en la escala esta opción es muy atractiva].

Ahora, a este conjunto de datos lo vamos a utilizar para entrenar nuestro modelo en  #tensorflow. [podemos integrar directamente la información desde #Bigquery mediante API o podemos descargar un csv y entrenar el modelo de forma clásica].
Vamos a utilizar  tf.contrib.learn[link]esta API de alto nivel para hacer más simple la configuración del mo…

Firebase desde el entorno web, implementando #FriendlyChat #Codelab

Imagen
#Firebase propone una interesante lista de características que para determinados desafíos de desarrollo es fundamental conocer. En este artículo vamos a seguir los primeros pasos de un muy buen #codelab propuesto por el equipo de #GoogleDevelopers. [FriendlyChat. Fig.1]. El paso a paso oficial completo lo pueden encontrar aquí.

Inicialmente vamos a configurar el proyecto e instalar la herramientas de línea de comando. Pueden ver los detalles de implementación en este video:

En el paso 2 vamos a configurar el inicio de sesión con #Firebase. Pueden ver los detalles de implementación en este video.
En el paso 3 vamos a configurar la lectura de mensajes, utilizando un atajo [importando un archivo json con mensajes preconfigurados para simular mensajes escritos]. No se preocupen que en las siguientes entregas, configuraremos la escritura de mensajes y dejaremos operativo el chat.

Firebase desde el entorno web, implementando #FriendlyChat #Codelab por Nicolas Bortolotti se distribuye bajo un…