O documento discute tópicos relacionados à programação hardcore, incluindo: - Onde estão os programadores hardcore e como eles trabalham com qualquer linguagem ou tecnologia; - Exemplos de programadores hardcore como Steve Jobs e Mark Zuckerberg.

1. Programação
Hardcore
Desenvolvimento antes da Web e do Mobile

2. Quem sou?
• Fernando “Fernandão” Cézar
• Quase Analista de Sistemas pela UFMS
• Trabalha com TI a 10 anos
• Sócio-Desenvolvedor da Gendoc
• Responsável pela parte web dos produtos da
Gendoc
• Já trabalhou com VB.

3. Disclaimer

4. O MERCADO
MENOSPREZA VOCÊ!

5. E AS INSTITUIÇÕES DE ENSINO
TE PREPARAM PARA ESSE
MERCADO DE TENDÊNCIAS.

6. Onde estão os
PROGRAMADORES
HARDCORE?

7. Onde estão os
PROGRAMADORES
HARDCORE?
Mercado de
Tendências

8. Onde estão os
PROGRAMADORES
HARDCORE?
Mercado de Meio
Tendências Acadêmico

9. Onde estão os
PROGRAMADORES
HARDCORE?
Mercado de Meio Concurso
Tendências Acadêmico Público

10. Quem são esses caras?

11. Quem são esses caras?
Steve Jobs

12. Quem são esses caras?
Steve Jobs
Dag Kittlaus

13. Quem são esses caras?
Steve Jobs Mark Zuckerberg
Dag Kittlaus

14. Quem são esses caras?
Steve Jobs Mark Zuckerberg
Dag Kittlaus Avinash Lakshman

15. Onde eles estão?

16. Onde eles estão?

17. Onde eles estão?

18. Com o que os Programadores
HARDCORE trabalham?

19. Com o que os Programadores
HARDCORE trabalham?
Qualquer coisa!
Linguagem / Tecnologia é Ferramenta!

20. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez

21. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:

22. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.

23. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.

24. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:

25. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python

26. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python
• C++

27. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python
• C++
• OCRopus

28. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python
• C++
• OCRopus
• Rede neurais (Perceptron de Múltiplas Camadas)

29. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python
• C++
• OCRopus
• Rede neurais (Perceptron de Múltiplas Camadas)
• K-means (Segmentação de Página)

30. OCR em Documentos da Língua
Portuguesa com Baixa Nitidez
• Problema:
• Dificuldade de se obter bons resultados no reconhecimento de
imagens de documentos com baixa qualidade.
• Falta de conhecimento de regras linguísticas aplicadas à Língua
Portuguesa.
• Tecnologia:
• Python
• C++
• OCRopus
• Rede neurais (Perceptron de Múltiplas Camadas)
• K-means (Segmentação de Página)
• kNN (Modelo de Reconhecimento de Caracteres)

31. Extração de Texto de
Documentos desestruturados

32. Extração de Texto de
Documentos desestruturados
• Problema:

33. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.

34. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade

35. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento

36. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:

37. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:
• Java HARDCORE com forte paralelização de Processos

38. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:
• Java HARDCORE com forte paralelização de Processos
• Regular Expressions

39. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:
• Java HARDCORE com forte paralelização de Processos
• Regular Expressions
• Lucene

40. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:
• Java HARDCORE com forte paralelização de Processos
• Regular Expressions
• Lucene
• Named Entity Recognition

41. Extração de Texto de
Documentos desestruturados
• Problema:
• Extrair e organizar informações de textos não-estruturados.
• Textos com baixa qualidade
• Performance de processamento
• Tecnologia:
• Java HARDCORE com forte paralelização de Processos
• Regular Expressions
• Lucene
• Named Entity Recognition
• Zookeeper (Sistemas Distribuídos)

42. Manipulação de
arquivos digitais

43. Manipulação de
arquivos digitais
• Problema:

44. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts

45. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único

46. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido

47. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido
• Tecnologia:

48. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido
• Tecnologia:
• Consumo dos componentes Ole e COM

49. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido
• Tecnologia:
• Consumo dos componentes Ole e COM
• Delphi

50. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido
• Tecnologia:
• Consumo dos componentes Ole e COM
• Delphi
• Java

51. Manipulação de
arquivos digitais
• Problema:
• Entrada de arquivos de texto em diferentes formatos e layouts
• Estruturar as entradas em um layout único
• Saída em um único arquivo, com layout pré-definido
• Tecnologia:
• Consumo dos componentes Ole e COM
• Delphi
• Java
• PHP

52. Processamento de
Imagens

53. Processamento de
Imagens
• Problema:

54. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia

55. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens

56. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens
• Conversão de formatos

57. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens
• Conversão de formatos
• Tecnologia:

58. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens
• Conversão de formatos
• Tecnologia:
• PHP

59. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens
• Conversão de formatos
• Tecnologia:
• PHP
• C#

60. Processamento de
Imagens
• Problema:
• Manipulação de mais 50.000 arquivos por dia
• Binarização de imagens de todas essas imagens
• Conversão de formatos
• Tecnologia:
• PHP
• C#
• C (Graphics Magick)

61. Contribuição com
projetos open-source

62. Contribuição com
projetos open-source
Graphics Magick Jarvis

63. Contribuição com
projetos open-source
Graphics Magick Jarvis
• Problema:
• Desempenho da binarização de
imagens

64. Contribuição com
projetos open-source
Graphics Magick Jarvis
• Problema:
• Desempenho da binarização de
imagens
• Solução:
• Reimplementar o calculo de limite
adaptativo (LAT) utilizando
Programação Dinâmica

65. Contribuição com
projetos open-source
Graphics Magick Jarvis
• Problema:
• Desempenho da binarização de
imagens
• Solução:
• Reimplementar o calculo de limite
adaptativo (LAT) utilizando
Programação Dinâmica

66. Contribuição com
projetos open-source
Graphics Magick Jarvis
• Problema: • Problema:
• Desempenho da binarização de
imagens
• Monitoramentos dos softwares em
produção
• Solução:
• Reimplementar o calculo de limite
adaptativo (LAT) utilizando
Programação Dinâmica

67. Contribuição com
projetos open-source
Graphics Magick Jarvis
• Problema: • Problema:
• Desempenho da binarização de
imagens
• Monitoramentos dos softwares em
produção
• Solução: • Solução:
• Reimplementar o calculo de limite
adaptativo (LAT) utilizando
• Implementar um camada de serviço
ao IRC-BOT para além de responder
Programação Dinâmica à comandos, ter autonomia para
emitir alertas e comandos.

68. Infra-estrutura

69. Infra-estrutura
• Situação:

70. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar

71. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados

72. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados

73. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:

74. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso

75. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?

76. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento

77. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento
• Tecnologia:

78. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento
• Tecnologia:
• Virtualização (Xen)

79. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento
• Tecnologia:
• Virtualização (Xen)
• Script próprio de backup (Incremental, Criptografia, Diferencial, e-mail)

80. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento
• Tecnologia:
• Virtualização (Xen)
• Script próprio de backup (Incremental, Criptografia, Diferencial, e-mail)
• Nagios, Icinga com Check_mk

81. Infra-estrutura
• Situação:
• Mais de 25 servidores para gerenciar
• Aproximadamente 30 TB de dados
• Mais de 400 serviços para serem monitorados
• Problema:
• Organização, localização e acesso
• Backup, Como eu transfiro 30 TB com 50mb de banda?
• Monitoramento
• Tecnologia:
• Virtualização (Xen)
• Script próprio de backup (Incremental, Criptografia, Diferencial, e-mail)
• Nagios, Icinga com Check_mk
• Gestão Centralizada no IRC (Alertas, Gestão completa de servidores)

82. Dúvidas?
Contatos
• @focezar
• @gendocbr
• fernando@gendoc.com.br

83. Obrigado!