¿Buscas nuestro logo?
Aquí te dejamos una copia, pero si necesitas más opciones o quieres conocer más, visita nuestra área de marca.
Conoce nuestra marca.¿Buscas nuestro logo?
Aquí te dejamos una copia, pero si necesitas más opciones o quieres conocer más, visita nuestra área de marca.
Conoce nuestra marca.dev
3 autores 28/06/2022 Cargando comentarios…
En este segundo episodio sobre Firebase os hablamos de cómo probar, desplegar y distribuir aplicaciones. Además, daremos unas pinceladas sobre Machine Learning y cómo Firebase puede implementarlo.
Uno de los principales puntos fuertes que Firebase nos ofrece es la gestión sencilla de todo el ciclo de vida de las apps.
Nos da facilidades en toda la fase de pruebas y distribución, permitiéndonos incluso ver los errores ocurridos en los dispositivos de cliente mediante Crashlytics.
Podremos también probar nuestras aplicaciones en diferentes dispositivos (tanto físicos como virtuales) gracias a los testLabs.
Además, hablaremos sobre Remote Config, lo que nos permitirá añadir modificaciones y cambios en las apps sin necesidad de volver a distribuir una versión de la app, AppCheck para asegurar la integridad, o cómo nos da visibilidad de vectores de rendimiento y analítica.
Firebase también dispone de sus propios modelos de Machine Learning, pudiendo usar TensorFlow Lite o el ya conocido Kit ML. Haremos un repaso de ambos así como sus usos.
Si quieres conocer cómo es el ciclo de test, despliegue y distribución de apps con Firebase no dudes en escuchar el episodio.
Puedes escucharlos en las principales plataformas de podcast: Ivoox, Spotify, YouTube, Google Podcast, Apple Podcast y Amazon Music.
Los comentarios serán moderados. Serán visibles si aportan un argumento constructivo. Si no estás de acuerdo con algún punto, por favor, muestra tus opiniones de manera educada.
Cuéntanos qué te parece.