Batemos a meta do ano em abril no stackoverflow.
Batemos a meta do ano em abril no stackoverflow.
Depois de ter sido eleito meu carrossel preferido, dei adeus ao slickjs no sábado.
E foi por causa desse bug: https://github.com/kenwheeler/slick/issues/3447
Também nunca fui admirador do jquery, que é necessário pra rodar o slick.
Nesse momento, estou usando o Tiny slider e curtindo muito. Tem todas as opções que o slick possui (claro que com uma declaração de objeto um pouco diferente).
Enfim, pra quem também está cansado do slick, fica aqui o link do Tiny Slider:
Semana quente pra quem trabalha com e-commerce e proteção de dados. O WhatsApp já adequou a sua política a lei geral de proteção de dados e alguns bancos já estão lançando novos produtos usando o PIX.
Saiba mais sobre o PIX aqui: https://www.bcb.gov.br/estabilidadefinanceira/pagamentosinstantaneos
Saiba mais sobre a LGPD aqui: http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709.htm
Para adequar a sua empresa a LGPD, entre em contato
Obrigado a todas as pessoas e parceiros que tornaram esse sonho possível. Fiz um post no linkedin sobre a nossa história hoje.
PS: Reskin do site novo tá no ar: https://pontesul.com
Esse mercado do e-commerce já está super consolidado, mas ainda tem espaço para novos players, ao menos ao que diz respeito a plataforma.
Podemos citar alguns desses grandes como o shopify em escala global, vtex e ezcommerce em escala nacional e ainda ficaríamos devendo as soluções de código aberto, como magento e opencart.
Surpreendentemente, ainda existem muitas plataformas fora desse circuito que estão fazendo um trabalho muito legal: É o caso da F1, da moovin e da Dooca commerce.
Sobre a escolha a reposta é simples: Depende da necessidade do cliente.
Caso o cliente atenda a mercados fora do Brasil, shopify e vtex atendem bem à necessidade e fornecem excelente performance.
Para iniciantes, em sua maioria, a loja integrada desempenha o melhor papel.
E para aqueles que possuem expertise em devops e contam com infraestrutura interna, o magento é uma opção tentadora.
Aliás, o ecosistema da shopify pra desenvolvedores é absolutamente incrível, mas isso é assunto pra outro post.
Não é toda hora que acontece, mas quando acontece é sempre legal.
Agora é somente uma questão de tempo. Em dado momento, todo o metal será impresso.
https://www.tecmundo.com.br/produto/134097-nova-impressora-3d-hp-objetos-metal-escala-industrial.htm
PS: Qualquer dia desses compro essa aqui:
https://www.tecmundo.com.br/produto/134097-nova-impressora-3d-hp-objetos-metal-escala-industrial.htm
Para quem está buscando se aprimorar em metodologias ágeis, esse vídeo é muito bom.
Aguardando novidades no e-commerce.
https://tecnoblog.net/244328/adobe-compra-magento-commerce/
PS: Novo site está quase pronto, todo feito com o Code igniter. Já está rodando em HTTPS.
Podemos detectar uma infinidade de coisas em fotos. Para os desenvolvedores mais práticos, a amazon possui um serviço incrível de backend de detecção de objetos, vale a pena olhar. Não sendo esse o caso, ou pra quem tem volume muito alto de upload, podemos detectar muita coisa legal usando diversos padrões prontos:
http://stackoverflow.com/questions/11537585/where-can-i-find-haar-cascades-xml-files
Para quem se interessa em criar seu própŕio cascade, a documentação é bem completa e o trabalho um tanto cansativo.
http://docs.opencv.org/2.4.13.2/doc/user_guide/ug_traincascade.html
Abaixo um exemplo em python de como utilizar o sistema de reconhecimento de objetos da opencv.
O arquivo que fiz (não posso postar aqui- é do cliente) “cascade.xml” foi gerado utilizando uma grande variação de imagens positivas, negativas,
diversos parâmetros e 12h de processamento.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
import cv2 arquivo_padrao_reconhecimento = cv2.CascadeClassifier('/home/meulocal/cascade.xml') print 'iniciando deteccao' #img eh a imagem que utilizamos para a buscar o padrao gravado no arquivo cascade.xml img = cv2.imread('/home/meulocal/foto_detectar.jpg') #somente removendo os canais de cor. nao serao usados gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #em alguns casos, é interessante equalizar o histograma. A opencv possui esse filtro #os parametros enviados abaixo sao a imagem em escala de cinza, o fator de escala # e o numero de vizinhos. O numero de vizinhos está relacionado com a precisao da #deteccao e o fator de escala é a reducao proporcional do objeto na imagem procurada. resultado = arquivo_padrao_reconhecimento.detectMultiScale(gray, 1.05, 3) for (x,y,w,h) in resultado: print 'objeto encontrado' #marcando o objeto com um retangulo onde foi encontrado cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) #salvando a imagem, com os retangulos cv2.imwrite('/home/meulocal/imagem_marcada.jpg', img) print 'fim da rotina' |