Tecnologias
Conheça um pouco mais sobre as tecnologias que nós trabalhamos.
Servicenow
Servicenow é uma multinacional de software na nuvem para gerenciamento de serviços. Hoje, temos todos os profissionais certificados atuando com os nossos projetos de Servicenow e continuamos investindo na qualificação.
O que fazemos:
-
Criação e implementação de portal de serviços
-
Criação de workflows
-
Criação de catálogos
-
Integrações
-
Benefícios
-
Reduzir custos
-
Reduzir riscos de compliance
-
Aumentar a eficiência dos processos de TI
-
Resolver incidentes dos clientes muito rapidamente
-
Melhorar a experiência dos colaboradores
Microsoft
A Microsoft é, além da dona do Windows, a fabricante do Azure. Azure é uma coleção crescente de serviços de nuvem integrados que os desenvolvedores e os profissionais de TI usam para criar, implantar e gerenciar aplicativos por toda a nossa rede global de datacenters.
O que fazemos
-
Desenvolvimento especializado em C#
Microfocus
Microfocus é uma empresa de software mundial com 40 anos de experiência entregando e dando suporte em soluções de software que ajudam os clientes a inovar com mais velocidade e com custo menor.
A modernização de aplicativos COBOL pode trazer uma série de benefícios para a sua organização:
-
Otimizar meu gasto com TI com plataformas distribuídas, contêineres e na nuvem, além de usar novas arquiteturas.
-
Reduzir os ciclos de entrega de aplicativos COBOL e diminuir os custos.
-
Desenvolver e testar aplicativos COBOL mais rapidamente
-
Analisar e documentar todos os aplicativos COBOL
-
Modernize a interface do usuário do aplicativo COBOL e forneça acesso na web e em dispositivos móveis.
-
Fornecer acesso relacional em tempo real aos arquivos de dados COBOL
Big Data
Big Data é o termo utilizado para o processamento de conjunto de dados que são grandes e complexos. Os desafios são grandes e para trabalhar com esse grande volume de dados e gerar resultados efetivos, os desafios são grandes.
Cloud computing
Cloud computing vêm sendo adotado em empresas grandes, médias e pequenas. Para as mais diversas aplicações, de ITSM a hospedagem de sites.
A maior vantagem da computação em nuvem é a possibilidade de utilizar softwares sem que estes estejam instalados no computador. Mas há outras vantagens:
-
Na maioria das vezes o usuário não precisa se preocupar com o sistema operacional e hardware que está usando em seu computador pessoal, podendo acessar seus dados na "nuvem computacional" independentemente disso;
-
As atualizações dos softwares são feitas de forma automática, sem necessidade de intervenção do usuário;
-
O trabalho corporativo e o compartilhamento de arquivos se tornam mais fáceis, uma vez que todas as informações se encontram no mesmo "lugar", ou seja, na "nuvem computacional”;
-
Os softwares e os dados podem ser acessados em qualquer lugar, basta apenas que haja acesso à Internet, não são mais restritos ao ambiente local de computação, nem dependem da sincronização de mídias removíveis.
-
O usuário tem um melhor controle de gastos ao usar aplicativos, pois a maioria dos sistemas de computação em nuvem fornece aplicações gratuitamente e, quando não gratuitas, são pagas somente pelo tempo de utilização dos recursos. Não é necessário pagar por uma licença integral de uso de software;
-
Diminui a necessidade de manutenção da infraestrutura física de redes locais cliente/servidor, bem como da instalação dos softwares nos computadores corporativos, pois esta fica a cargo do provedor do software em nuvem, bastando que os computadores clientes tenham acesso à Internet;
-
A infraestrutura necessária para uma solução de computação em nuvem é bem mais enxuta do que uma solução tradicional de hospedagem ou alojamento, consumindo menos energia, refrigeração e espaço físico e consequentemente contribuindo para a preservação e o uso racional dos recursos naturais.
A maior desvantagem da computação em nuvem vem fora do propósito desta, que é o acesso a internet. Caso você perca o acesso, comprometerá todos os sistemas embarcados.
-
Velocidade de processamento: caso seja necessário uma grande taxa de transferência, se a internet não tiver uma boa banda, o sistema pode ser comprometido. Um exemplo típico é com mídias digitais ou jogos;
-
Assim como todo tipo de serviço, ele é custeado.
Atualmente, a computação em nuvem é dividida em 7 tipos:
-
IaaS - Infrastructure as a Service ou Infraestrutura como Serviço: quando se utiliza uma percentagem de um servidor, geralmente com configuração que se adeque à sua necessidade. (p. Ex.: Softlayer)
-
PaaS - Plataform as a Service ou Plataforma como Serviço: utilizando-se apenas uma plataforma como um banco de dados, um web-service, etc. (p.ex.: IBM Bluemix, Windows Azure e Jelastic).
-
DaaS - Development as a Service ou Desenvolvimento como Serviço: as ferramentas de desenvolvimento tomam forma na computação em nuvem como ferramentas compartilhadas, ferramentas de desenvolvimento web-based e serviços baseados em mashup.
-
SaaS - Software as a Service ou Software como Serviço: uso de um software em regime de utilização web (p.ex.: Google Docs , Microsoft SharePoint Online).
-
CaaS - Communication as a Service ou Comunicação como Serviço: uso de uma solução de Comunicação Unificada hospedada em Data Center do provedor ou fabricante (p.ex.: Microsoft Lync).
-
EaaS - Everything as a Service ou Tudo como Serviço: quando se utiliza tudo, infraestrurura, plataformas, software, suporte, enfim, o que envolve T.I.C. (Tecnologia da Informação e Comunicação) como um Serviço.
-
DBaas - Data Base as a Service ou Banco de dados como Serviço: quando utiliza a parte de servidores de banco de dados como serviço.
Machine learning
Machine learning é um sub-campo da ciência da computação que evoluiu do estudo de reconhecimento de padrões e da teoria da aprendizagem computacional em inteligência artificial. Em 1959, Arthur Samuel definiu aprendizado de máquina como o "campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados”. A aprendizagem automática explora o estudo e construção de algoritmos que podem aprender de seus erros e fazer previsões sobre dados. Tais algoritmos operam construindo um modelo a partir de inputs amostrais a fim de fazer previsões ou decisões guiadas pelos dados ao invés de simplesmente seguindo inflexíveis e estáticas instruções programadas.