INKSCAPE : editor de gráficos vectoriales

Inkscape es un editor de gráficos vectoriales de código abierto, similar a programas como Adobe Illustrator, Corel Draw, Freehand o Xara X. Lo que lo hace único es que usa como formato nativo el Scalable Vector Graphics (SVG), un estándar abierto de W3C basado en XML.

Inkscape

DESCARGAR AQUI

  • Creación de objetos

    • Herramientas de dibujo: lápiz (dibujo libre con un trazo simple), pluma (crea líneas Bezier, Spiro o rectas), caligráfica (dibujo a mano alzada a través de trayectorias con relleno para representar trazos caligráficos).
    • Herramientas de formas: rectángulos (con bordes redondeados opcionales), elipses (incluye círculos, arcos y segmentos), estrella/polígono (pueden ser redondeados y/o aleatorios), espirales.
    • Herramienta de texto (simples o párrafos, edición completa directa sobre el lienzo).
    • Imágenes embebidas (con un comando para incrustar y convertir en imágenes los objetos seleccionados).
    • Clonación (vincula copias de objetos «en vivo»), incluye una herramienta para crear patrones y ordenar los clones.

    Manipulación de objetos

    • Transformación (mover, escalar, rotar y distorsionar) de manera interactiva o especificando sus valores exactos.
    • Operaciones de profundidad (ordenación sobre el eje Z, hacia el espectador o hacia atrás).
    • Agrupación de objetos («seleccionar dentro del grupo» sin desagruparlo o abrir un grupo para seleccionar sus contenidos como si fuese una nueva capa imaginaria).
    • Capas (bloqueo y/u ocultación, ordenación, etc., capas anidadas).
    • Comandos de alineación y distribución.

    Relleno y borde

    • Selección de color (RGB, HSL, rueda de color).
    • Herramienta cuentagotas para selección de color.
    • Copiar/pegar estilos.
    • Editor de degradados con múltiples límites de color.
    • Relleno con patrón (imágenes/vectores).
    • Bordes punteados, con muchos estilos predefinidos.
    • Marcadores en el trazado (de principio, fin, e.g. punta de flecha).

    Operaciones de trazado

    • Editor de nodos: edición de nodos o manejadores Bezier, alineamiento y distribución de nodos, etc.
    • Convertir en trazado (para textos o formas), incluye convertir el borde en trazado.
    • Operaciones booleanas.
    • Simplificación de trazados con magnitud variable.
    • Expansión o contracción de trazados, de manera dinámica o enlazada.
    • Trazado de bitmaps (el trazado resultante en color o escala de grises).

    Soporte de texto

    • Texto simple o párrafo.
    • Usa cualquier fuente de tu sistema que no sea bitmap, incluidas las de escritura de derecha a izquierda.
    • Ajuste de kerning (espacio entre letras) e interlineado.
    • Texto a trazo (el texto y el trazo continuarán modificables).
    • Texto en forma (Rellena forma siguiendo el borde).

    Renderización

    • Visualización con antialiasing.
    • Soporte de PNG transparentes, tanto en su exportación como importación.
    • Renderización interactiva durante la transformación de objetos.

    Otros

    • Edición y visualización del código fuente del documento en el editor XML.
    • Exportación a PNG, dibujo OpenDocument, DXF, sk1, PDF, EPS y PostScript entre otros.
    • Opciones de conversión y exportación desde la línea de comandos.
    • Creación y modificación de archivos bajo el estándar de formato SVG.

Tutoriales:

Software centrado en el usuario

Guía de recomendaciones para diseño de software centrado en el usuario

Javier F Díaz, Ivana Harari, Ana Paola Amadeo. Guía de recomendaciones para diseño de software centrado en el usuario. Universidad Nacional de La Plata, 2013 DESCARGAR PDF

En este libro se aborda toda la temática relacionada con las interfaces del usuario y su proceso de desarrollo. Se profundiza sobre la etapa de diseño de interfaces específicas, brindando una serie de recomendaciones que permitan alcanzar la calidad de uso del producto.

El libro presenta una organización que consiste en seis capítulos. Al finalizar cada capítulo, se dispone de un conjunto de ejercicios prácticos y un caso de estudio relacionado con la temática.  de las distintas cohortes del dictado de la materia de Diseño Centrado en el Usuario. Se incluye también un anexo con el glosario de términos y la resolución de los ejercicios planteados en cada capitulo

Software de digitalización en las empresas.

Resultado de imagen de Scaling a Software Business: The Digitalization Journey

Brian Fitzgerald, Klaas-Jan Stol, Sten Minör, Henrik Cosmo. Scaling a Software Business: The Digitalization Journey. Berlin : Springer, 2017. ISBN: 9783319531151. Texto completo PDF

El software ha cambiado las reglas del juego. El mundo habla sobre la digitalización en la industria y la sociedad – cómo el enfoque ha cambiado de producir cosas tangibles a software y servicios. Esta tendencia comenzó hace muchos años, pero ahora afecta a todas las empresas, sean o no empresas de software. Este libro presenta el Scaling Management Framework, un modelo basado en las experiencias recogidas de empresas que ya han realizado el viaje para dar al software un papel central dentro de la organización. El modelo es único porque sugiere un método integral para analizar y planificar su experiencia. Simplemente significa que no puede centrarse únicamente en sus productos o servicios.

Dataverse: app web de código abierto para compartir, preservar, citar, explorar y analizar datos de investigación

.

Dataverse es una aplicación web de código abierto desarrollada por la Universidad de Harvard para compartir, preservar, citar, explorar y analizar datos de investigación. El programa facilita la toma de datos y los pone a disposición de los demás, y permite replicar otros trabajos de investigación.

Dataverse es un proyecto  colaborativo desarrollado por el Institute for Quantitative Social Science (IQSS) y Harvard Library  que ponen a disposición de los investigadores, disciplinas  y recolectores de datos en todo el mundo.

Un repositorio Dataverse aloja varios dataverses. Cada Dataverse contiene un dataset u otros dataverses, y cada conjunto de datos contiene metadatos descriptivos y archivos de datos (incluyendo la documentación y el código que acompañan a los datos).

[]

 

Dataverse normaliza la cita de los conjuntos de datos para que sea más fácil para los investigadores publicar sus datos y obtener un mejor reconocimiento de su trabajo. Cuando se crea un conjunto de datos en Dataverse, se genera la citación y se presenta de forma automática como un marco único de código abierto y repositorio de datos de investigación, lo que hace que los datos científicos sean lo más accesibles, reutilizables, y abiertos posibles.

[]

El estándar de citación definido por Dataverse ofrece un adecuado reconocimiento a los autores, así como la identificación permanente mediante el uso de identificadores persistentes globales, en lugar de direcciones URL, que pueden cambiar con frecuencia. El uso de huellas numéricas universales ( UNFs) garantiza a la comunidad académica que los futuros investigadores serán capaces de verificar que los datos recuperados son idénticos a los utilizados en una publicación de décadas anteriores, incluso si ha cambiado el medio de almacenamiento, los sistemas operativos, el hardware, y el formato del programa.

[]

Ejemplo de una citación basada en el proyecto Joint Declaration of Data Citation Principles(2014).

 

Es de uso gratuito y muy fácil de utilizar, y permite a los autores controlar sus datos de investigación de manera que se puedan conservar en el futuro, y se puedan generar citas para esos conjuntos de datos.

Recientemente Dataverse ha creado un plugin que se integra con OJS (Open Journal Systems), la plataforma de publicación de muchas de las mejores publicaciones de acceso abierto, permitiendo a los autores que presenten sus datos para archivar junto con la presentación del artículo.

Dataverse es la mejor manera de asegurarse de que los datos de una investigación están listos para la preservación a largo plazo, simplemente el investigador deberá crear una cuenta en Dataverse al comienzo de un proyecto de investigación y construir el archivo de datos a medida que se completa cada etapa del proyecto.

Dataverse es mejor que tener los datos en la nube porque los archivos están enriquecidos con metadatos que permiten la búsqueda por facetas. El investigador puede elegir que datos liberar, tanto en su totalidad o parte. Además, si si se está trabajando como un equipo de investigación se puede utilizar Dataverse como una plataforma para compartir archivos de datos con los miembros del equipo autorizados  excluyendo el acceso a los mismos al público en general.

Al crear una cuenta en cualquiera de las instituciones citadas, los archivos se alojan en sus servidores (Universidad de Harvard). Aunque un investigador o grupo también puede crear su propia red Dataverse en un servidor propio, ya que se trata de un software de código abierto, por lo que lo único que tiene que hacer es tener los conocimientos técnicos para instalarlo y los recursos para disponer de un espacio en un servidor.

Una de las limitaciones de Dataverse es que no tiene ninguna supervisión de curación de contenidos, el investigador debe asumir la responsabilidad principal de la gestión de sus propios datos.

Fuente: www.universoabierto.org

 

SHIVA : Honeypot para el análisis de Spam.

SHIVA (Spam Honeypot con Intelligent Virtual Analyzer), es un Honeypot de Spam relé abierto pero controlado, construido sobre el marco Lamson en Python, con capacidad de recopilar y analizar todo el spam que se le arroje. El análisis de datos capturados puede ser utilizado para obtener información de: ataques de Phishing, campañas de Pharming , campañas de malware, botnets de spam, etc. SHIVA está escrito en Python y actualmente utiliza MySQL como back-end. SHIVA esta bajo  licencia GNU GPL v3.

Descarga e información

Entre sus características destaca:

  • Relé controlado: SHIVA proporciona la capacidad de controlar completamente la parte del relé. El usuario puede habilitar/deshabilitar y establecer el número de Spam a ser retransmitido, en su archivo de configuración.
  • Open Source: SHIVA es de código abierto, por lo tanto es muy fácil ampliar las capacidades. por ejemplo, se podría escribir fácilmente un módulo simple para enviar los archivos adjuntos a VirusTotal para un análisis mas extenso.
  • Identificación del Spam único: SHIVA utiliza la técnica de hashing difusa para distinguir entre el Spam ya visto. Esto hace posible analizar millones de Spam y mantener el tamaño de la base de datos. Python implementación de ssdeep se utiliza. Utiliza la implementación ssdeep de Python.
  • Extracción de información de Spam: Cada Spam recibido pasa a través del analizador de correo. Está escrito para extraer toda la información que es importante. Extrae información como: IP de origen; varias partes de Spam como: para, de, encabezado, asunto, cuerpo, URL, archivos adjuntos, Etc. Esta información se guarda entonces en la base de datos, si el usuario ha optado por configurar la base de datos almacenamiento.
  • Soporta autenticación: SHIVA proporciona más control sobre el receptor SMTP mediante la adición de Autenticación SMTP. De esta manera, un usuario puede restringir el acceso a su servidor SMTP estableciendo credenciales.
  • Compartir datos en Hpfeeds: SHIVA también facilita el compartir los datos analizados añadiendo compatibilidad con Hpfeeds/Hpfriends. Hpfriends es la plataforma de intercambio de datos sociales de el proyecto Honeynet.

SHIVA se divide en dos partes: Receptor y Analizador. La parte del receptor actúa como un servidor SMTP de retransmisión abierta, recoge todo el Spam que se le arroja y los descarga en un directorio local. El analizador, entonces, recoge el Spam y procede a analizar y extraer la información.

Fuente: www.gurudelainformatica.es/