[SPANISH ]Codealike en MUG Argentina
description
Transcript of [SPANISH ]Codealike en MUG Argentina
![Page 1: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/1.jpg)
Aplicando Big Data, noSQL y Machine Learning para ayudar a la productividad de los desarrolladores de Software
2 de Julio de 2014
![Page 2: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/2.jpg)
![Page 3: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/3.jpg)
Time to Market reduction
Solutions to complex specific
problems
Efficient work allocation
Through fast lean processes, we find smart answers using highly specialized skills.
![Page 4: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/4.jpg)
![Page 5: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/5.jpg)
Diego Evin
RESEARCHER
Sebastián Fernández Quezada
FOUNDER
![Page 6: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/6.jpg)
![Page 7: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/7.jpg)
Las Interrupciones
Complejidad y Extensión del
Código
Visibilidad desde y hacia
el Equipo
Recordar lo que hice
![Page 8: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/8.jpg)
Las Interrupciones
Complejidad y Extensión del
Código
Visibilidad desde y hacia
el Equipo
Recordar lo que hice
![Page 9: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/9.jpg)
0 2412
Jornada de trabajo típica de un desarrollador
Varias sesiones de
15 a 30 minutosUna
> 2 horasAlguna
> a 1 hora
Parnin:10
![Page 10: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/10.jpg)
10-15 Minde recuperaciónLuego de una interrupción
Parnin:10
![Page 11: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/11.jpg)
15-30 Minde recuperaciónLuego de una interrupción
Parnin:10
![Page 12: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/12.jpg)
57%de las tareas
son interrumpidasMark:05 Czerwinski:04
2XTiempo
2XErrores
![Page 13: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/13.jpg)
1 de cada 10retorna antes de
1 minParnin:10
![Page 14: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/14.jpg)
CA
RG
A D
E M
EM
OR
IA
TIEMPO
Iqbal:04
Alta Disrupción
![Page 15: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/15.jpg)
Alto Impactoen recuperaciónLuego de una interrupción
Trafton:03
![Page 16: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/16.jpg)
Menor Impactoen recuperaciónLuego de una interrupción
7 Minutos
Trafton:03
![Page 17: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/17.jpg)
Las Interrupciones
Complejidad y Extensión del
Código
Visibilidad desde y hacia
el Equipo
Recordar lo que hice
![Page 18: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/18.jpg)
Kersten:06
>90%
de commits
con cambios en más de un archivo
25%de
transacciones
con cambios ramificados
Necesidad de
navegar código
![Page 19: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/19.jpg)
Tamaño/Complejidaddel Proyecto
Esfuerzode Navegación
![Page 20: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/20.jpg)
Esfuerzode Navegación
Costode Interrupción
![Page 21: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/21.jpg)
• Edición, concurrente y múltiple
• Navegación y búsqueda
• Fases de comprensión de control de flujo y datos
Fogarty:05
Costode Interrupción
![Page 22: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/22.jpg)
Las Interrupciones
Complejidad y Extensión del
Código
Visibilidad desde y hacia
el Equipo
Recordar lo que hice
![Page 23: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/23.jpg)
Información de navegación de colegas para entender
el códigoDeLine:05
![Page 24: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/24.jpg)
Información instantánea sobre cambios de otros
desarrolladores en el código común
Hattori:09
![Page 25: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/25.jpg)
Las Interrupciones
Complejidad y Extensión del
Código
Visibilidad desde y hacia
el Equipo
Recordar lo que hice
![Page 26: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/26.jpg)
Robbes:07
El campo de evolución del software, usa la historia del software como un activo para
entender el estado actual y para predecirel desarrollo futuro.
![Page 27: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/27.jpg)
RefactorizaciónCantidad de Clases
o Métodos
De creación o modificación de
artefactos
Cantidad de cambios
Longitud temporal
De modificaciones que cambian
artefactos una o varias veces de forma repetitiva
Robbes:07
![Page 28: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/28.jpg)
Planificación basada en la evidencia
• Información histórica de tiempo, gente y esfuerzo
real de proyectos empleada para estimar costos y
velocidades de desarrollo
• Agregar trazabilidad a la cadena de producción
Spolsky:07
![Page 29: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/29.jpg)
![Page 30: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/30.jpg)
Siegmund:14
![Page 31: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/31.jpg)
Iqbal:04
![Page 32: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/32.jpg)
Parnin:11
![Page 33: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/33.jpg)
Jesica Fera
R&D ENGINEER
Federico Lois
FOUNDER
![Page 34: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/34.jpg)
Practice makes perfect, but mastery might require something more than 10,000 hours of trying.
Dan Vergano
![Page 35: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/35.jpg)
Deliberate practice is a highly structured activity engaged in with the specific goal of improving performance.
Corbett Barr
![Page 36: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/36.jpg)
![Page 37: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/37.jpg)
Pomodoro GTD Get Things Done
Don’t break the chain
¿Qué tienen las metodologías de productividad más populares en común?
![Page 38: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/38.jpg)
Disminuir interrupciones
Medir en tiempos cortos los resultados
![Page 39: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/39.jpg)
![Page 40: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/40.jpg)
Métricas nuevas, fehacientes y precisas.
![Page 41: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/41.jpg)
Tiempo
ActividadesArtefactos
![Page 42: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/42.jpg)
Tiempo
ActividadesArtefactos
Tiempo Real
En la nube
Comportamiento
![Page 43: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/43.jpg)
DISPERSION MAPTiempo
ActividadesArtefactos
System
Outside the IDE
Debugging
Building
Coding
![Page 44: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/44.jpg)
Solución
Proyecto
Archivo
Namespace
Clase
Método
Tiempo
ActividadesArtefactos
CODE TREE
![Page 45: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/45.jpg)
TIMELINETiempo
ActividadesArtefactos
![Page 46: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/46.jpg)
+ 50,000 Hs.de actividad detallada+130
países + 7M de actividades
+ 1M de artefactos
Duplicando la cantidad cada 6 meses
![Page 47: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/47.jpg)
3
![Page 48: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/48.jpg)
Velocidad Volúmen Variedad
![Page 49: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/49.jpg)
Cómo resolvemos el problema de Big Data
Visualizaciónde las métricas
Adquisiciónde los datos
Consolidaciónde los datos
Procesamientode los datos
![Page 50: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/50.jpg)
¿Cómo se adquieren los datos?A través de Extensiones instaladas en el entorno del desarrollador.
Desafío: ¿Cómo logramos medir el milisegundo evitando generar una baja de performance en el IDE?
• Aprovechando los eventos que el IDE nos notifica;• Reduciendo al mínimo la carga ante cada evento: los datos se guardan
temporalmente para luego ser procesados y enviados en batch;• Trabajando fuera del thread de UI: esto asegura que cualquier procesamiento se
haga en background y evita bloquear el control del IDE• Reduciendo el procesamiento del lado del cliente: sólo se empaquetan los eventos
y estados en “crudo” para hacer más eficiente el envío.
![Page 51: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/51.jpg)
¿Cómo se consolidan los datos?
Desafío: ¿Cómo integrar datos en volumen en (soft) Real Time?
• Base de datos de tipo documental (noSQL): vs. Base de datos relacional.• Consistencia eventual vs. ACID• Escalabilidad horizontal vs. Escalabilidad vertical.
• Optimizando el input-output de la base de datos:• Tenants/BDs separados de acuerdo al tamaño de los datos que almacenan• Diferentes motores de Storage de acuerdo al tipo de datos y procesamiento
sobre los mismos• Compresión al momento de almacenamiento
![Page 52: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/52.jpg)
¿Cómo se consolidan los datos?
Desafío: ¿Cómo integrar datos en volumen en (soft) Real Time?
• Reduciendo el impacto del indexado de los datos:• Guardando la información derivada crítica de forma persistente.• Para volúmenes manejables, acceder directamente la data “cruda” mediante el
uso de “keys derivables”• Utilización de referencias.
![Page 53: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/53.jpg)
¿Cómo se consolidan los datos?
El volumen de datos de entrada excede la capacidad de indexación
instantánea.
PersistenteNo
PersistenteINFORMACIÓN
DERIVADA
![Page 54: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/54.jpg)
Ejemplo: Informaciónde Ranking derivada apartir de datos deactividad.
“Si cambiamos lafunción de cálculo deRanking, debemosmantener los datospersistidos sin volver arecalcularlos. Sólo serecalcula a futuro.”
¿Cómo se consolidan los datos?
Información derivada persistente
![Page 55: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/55.jpg)
¿Cómo se consolidan los datos?
Información derivada persistente
![Page 56: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/56.jpg)
¿Cómo se consolidan los datos?
Información derivada no persistente
Ejemplo: Información derivada que sumariza la actividad por tipo y tecnología.
“Si cambiamos la forma en que se agregan, o agregamos nuevos tipos de datos, debemos recalcular”
![Page 57: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/57.jpg)
¿Cómo se procesan los datos?
Desafío: ¿Cómo procesar datos en volumen en (soft) Real Time?
• Utilizando “Workers” de tipo Map-Reduce para generar información derivada:
Particionamiento Map Reduce
por lapso de tiempo, por
artefacto, por tipo de datos, etc.
cartesianos, lineales, etc.
por tiempo, por tipo de actividad, por
usuario, etc.
![Page 58: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/58.jpg)
¿Cómo se procesan los datos?
Ejemplo de agregación por tiempo
Meses
Semanas
Días
Horas
Minutos
Segundos
Agrupación
Visualización
![Page 59: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/59.jpg)
¿Cómo se procesan los datos?
Ejemplo de agregación por tiempo
Meses
Semanas
Días
Horas
Minutos
Segundos
Agrupación
Visualización
![Page 60: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/60.jpg)
TIMEZONES
![Page 61: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/61.jpg)
Ejemplo: Utilización de tecnología a lo largo del tiempo.
¿Cómo se procesan los datos?
Agregación por artefacto/tiempo
Meses
Semanas
Días
Horas
Minutos
Segundos
Tecnologías
File
Estado
![Page 62: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/62.jpg)
Escalabilidad horizontal
• División de roles: Primary Storage Roles, Failover Roles, Computational StorageRoles;
• Replicación master-master con afinidad en roles primarios: requiere definición deestrategias de manejo de conflictos;
• Sharding: distribución física de ciertos tipos de datos• Distribución de datos de procesamiento;• Distribución para ofrecer distintos niveles de servicio (por ejemplo, usuarios
Premium vs. usuarios free).
¿Cómo se procesan los datos?
¿Cómo escalar el procesamiento?
![Page 63: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/63.jpg)
Webrole
Webrole
Gateway
Esquema Master-Master de Storage
Webrole
Failover Node
Failover Node
Primary Node
Sharding en nodos de procesamiento
Primary Node
¿Cómo se procesan los datos?
¿Cómo escalar el procesamiento?
![Page 64: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/64.jpg)
• Procesamiento cercano a los datos: el procesamiento debe hacerse evitandoel input/output a través de la red;
• Escalabilidad elástica: en cualquier momento se puede cambiar el tamaño deuna VM “on the fly” para soportar niveles altos de procesamiento(mantenimiento de índices, corrupción de índices, replicación a una nuevainstancia, actualización de la versión del motor de BD)
¿Cómo se procesan los datos?
¿Cómo escalar el procesamiento?
![Page 65: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/65.jpg)
¿Cómo se procesan los datos?
Procesamiento cercano a los datos
![Page 66: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/66.jpg)
Webrole
Webrole
Webrole
Failover Node
Failover Node
Primary Node
Primary Node
¿Cómo se procesan los datos?
Infraestructura completa
WebrolePrimary Node
Primary Node
Entorno de Testing
Entorno de Producción
![Page 67: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/67.jpg)
Visualización
Visualización
jFlot, Mustache,
etc.
jQuery / AJAX
MVC4
![Page 68: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/68.jpg)
Visualización
Visualización
Análisis
Predicción
![Page 69: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/69.jpg)
Visualización
Horasde actividad
Calidadde conclusiones
![Page 70: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/70.jpg)
Visualización
Minutos Días MesesHoras Semanas
On-Fire Meter Timeline
Productivity Pattern
Focus &Interruptions Time by ActivityCode
Tree
Codeusage
Your Facts
Ranking – Compare - Teams
DashboardInterruptions
![Page 71: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/71.jpg)
Visualización / On-fire Meter
![Page 72: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/72.jpg)
Visualización / Focus & Interruptions
![Page 73: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/73.jpg)
Visualización / Timeline
![Page 74: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/74.jpg)
Visualización / Code Usage
![Page 75: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/75.jpg)
Visualización / Code Usage
![Page 76: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/76.jpg)
http://cor.to/ca-research
![Page 77: [SPANISH ]Codealike en MUG Argentina](https://reader033.fdocuments.us/reader033/viewer/2022060116/557dafa6d8b42a467c8b5074/html5/thumbnails/77.jpg)