Node.js es un entorno JavaScript de lado de servidor que utiliza un modelo asíncrono y dirigido por eventos. Es una Máquina Virtual tremendamente rápida y de gran calidad escrita por gente como Lars Bak, uno de los mejores ingenieros del mundo especializados en VMs(Virtual Machines). No olvidemos que V8 es actualizado constantemente y es uno de los intérpretes más rápidos que puedan existir en la actualidad para cualquier lenguaje dinámico. Además las capacidades de Node.js para I/O (Entrada/Salida) son realmente ligeras y potentes, dando al desarrollador la posibilidad de utilizar a tope la I/O del sistema.

Los datos espaciales comúnmente se almacenan, visualizan y analizan en el software del Sistema de Información Geográfica (GIS), cuyo ejemplo más conocido es ArcGIS. Sin embargo, la mayoría de las veces, las interfaces basadas en menús del software GIS son demasiado limitadas para cumplir con demandas especializadas o son demasiado inflexibles para lograr tareas repetitivas personalizadas. Escribir guiones en lugar de usar menús o trabajar en combinación con software externo son dos caminos comúnmente utilizados para resolver tales problemas. Sin embargo, ¿qué ocurre si podemos utilizar un solo entorno, combinando las ventajas de la programación y las capacidades de análisis de datos espaciales con un ecosistema integral de herramientas computacionales que se pueden implementar fácilmente en procedimientos personalizados? Este libro demostrará que el lenguaje de programación R es realmente un entorno así y le enseñará cómo usarlo para realizar diversas tareas de análisis de datos espaciales. La mayoría de los libros disponibles actualmente sobre este tema se centran en aplicaciones avanzadas tales como estadísticas espaciales, suponiendo que tiene un conocimiento previo de R y los dominios científicos respectivos. Sin embargo, el material introductorio sobre R desde el punto de vista de un analista de datos espaciales, que se centra en temas introductorios como el manejo de datos espaciales, el cálculo y la visualización, es escaso. Este libro tiene como objetivo llenar ese vacío.

ArcPy es un paquete de sitio que se basa en el exitoso módulo arcgisscripting y lo sucede. Su objetivo es crear la piedra angular para una manera útil y productiva de realizar análisis de datos geográficos, conversión de datos, administración de datos y automatización de mapas con Python.

El libro muestra cómo construir sistemas confiables y escalables con Apache Hadoop. Está dirigido a programadores que buscan analizar grandes volúmenes de datos y para administradores que necesitan instalar y correr clusters Hadoop. Para ejemplificar, hay casos de estudios que muestran cómo usar Hadoop para resolver problemas específicos.

Libro Completo sobre Apache Spark abarca todos los casos de uso fundamentales con ejemplos.

Apache Spark es una plataforma de computación en clúster diseñada para ser rápida y de uso general. Por el lado de la velocidad, Spark amplía el popular modelo MapReduce para soportar de manera más eficiente más tipos de cálculos, incluidas consultas interactivas y procesamiento de flujo. La velocidad es importante en el procesamiento de grandes conjuntos de datos, ya que significa la diferencia entre explorar datos interactivamente y esperar minutos entre consultas, o esperar horas para ejecutar su programa en lugar de minutos. Una de las características principales que ofrece Spark para la velocidad es la capacidad de ejecutar cálculos en la memoria, pero el sistema también es más rápido que MapReduce para aplicaciones complejas que se ejecutan en el disco.

Deep Learning es un subcampo específico del Machine Learning: una nueva forma de aprender representaciones a partir de datos que pone énfasis en el aprendizaje de sucesivas capas de representaciones cada vez más significativas. Lo profundo en el Deep Learning no es una referencia a ningún tipo de comprensión más profunda lograda por el enfoque; más bien, representa esta idea de sucesivas capas de representaciones. Cuántas capas contribuyen a un modelo de datos se llama profundidad del modelo.

OpenCV 3 es una biblioteca de Computer Vision de última generación que se utiliza para una variedad de operaciones de procesamiento de imágenes y video. Algunas de las funciones más espectaculares y futuristas, como el reconocimiento facial o el seguimiento de objetos, son fácilmente alcanzables con OpenCV 3. Conocer los conceptos básicos de los algoritmos de Computer Vision, los modelos y la API de OpenCV permitirá el desarrollo de todo tipo de aplicaciones del mundo real , incluidas las herramientas de seguridad y vigilancia.

React es una de las bibliotecas más populares para crear interfaces de usuario y es bien conocida por ser rápida, gracias a su forma inteligente de tocar el DOM. Viene con JSX, una nueva sintaxis para escribir el marcado en JavaScript, que requiere que cambies de opinión con respecto a la separación de las preocupaciones. Tiene muchas características interesantes, como la representación del lado del servidor que le da la capacidad de escribir aplicaciones universales.

Solo unas pocas personas cuestionarían la afirmación de que el fenómeno de la Internet de las cosas plantea problemas relacionados con la seguridad, la seguridad y la privacidad.Una amplia gama de industrias heredadas (por ejemplo, fabricantes de electrodomésticos, fabricantes de juguetes, automotriz, etc.) y las empresas de tecnología de inicio están creando y vendiendo dispositivos y servicios conectados a una velocidad fenomenal y creciente. Desafortunadamente, no todos son terriblemente seguros, un hecho que algunos investigadores de seguridad han señalado implacablemente, a menudo con un sentido de genuina preocupación. Aunque gran parte de las críticas son válidas y justificadas, algunas de ellas han sido lamentablemente transmitidas con cierto grado de arrogancia inútil.