En este post estaremos compartiendo ¿Cómo trabajamos en Komorebi?, somos un equipo joven enfocado en el desarrollo de tecnología, así que tenemos que ser veloces y prácticos en nuestro trabajo.
En Komorebi, implementamos metodologías de Lean Development, que empodera al equipo para que sea ágil y autónomo dando transparencia a los procesos, compartiendo experiencias y conocimiento.
Les compartimos aquí algunas de las herramientas que usamos en nuestro día a día:
Para comunicarnos
Nuestra principal herramienta para comunicación continua es Slack, que además de utilizarlo cómo mensajería instantánea nos permite compartir archivos, textos e imágenes. Slack también permite instalar plugins para gestionar la creación de software y el desarrollo de código. Creemos en el trabajo remoto, así que cuando no estamos en la oficina, tenemos algunas reuniones y check points para ver avances de cada proyecto, Google Meet es nuestra sala de reuniones virtual.

Para desarrollar software
Nuestra misión es desarrollar soluciones tecnológicas, para esto utilizamos algunos recursos claves en programación, los principales son: Lenguajes de programación: el principal lenguaje de programación en el que se desarrollan nuestras soluciones es Python. Sin embargo, para algunas tareas específicas también se usan otros lenguajes como R, SQL o Javascript.

Computación en la nube
En Komorebi contamos con nuestros propios servidores dedicados, tanto en la nube como en local. Además, también trabajamos regularmente con los principales proveedores de computación en la nube para desarrollar nuestras soluciones, como por ejemplo AWS, Azure o OVH.

Control de versiones
Git es una herramienta clave para gestionar cambios o colaborar con más personas en un mismo proyecto. En particular, usamos Github para almacenar todos nuestros repositorios de forma segura en la nube. Además del versionado de código, en un proyecto de Inteligencia Artificial también es importante versionar otro tipo de artefactos como pueden ser datos, modelos, etc. Para esa tarea empleamos la herramienta DVC (Data Version Control), usando como almacenamiento la nube de Amazon S3.
Ciclo de vida de Machine Learning
> Es muy habitual realizar pruebas con muchos tipos de modelos distintos para poder identificar cuál es el que resuelve el problema concreto de forma más precisa. Para ello usamos MLFlow, lo que nos permite mantener un registro de todos los modelos que se han entrenado así como sus métricas.
Contenedores
A la hora de desarrollar una solución es muy importante contar con un entorno reproducible, ya que eso minimiza la probabilidad de encontrarnos con problemas cuando sea desplegada en producción. Para ello empaquetamos la mayoría de herramientas en contenedores de Docker, lo que nos garantiza que el proceso de integración y despliegue sea lo más sencillo posible.
Esperamos que puedas implementar algunas de estas herramientas para hacer más eficientes tus proyectos personales o de negocio.
Además si tienes ideas de aplicaciones de #tecnología en las que te podamos ayudar, o alguna duda sobre el impacto que puede tener la inteligencia artificial en tu negocio; no dudes en consultarnos en consulta@komorebi.ai, estaremos encantados de escucharte.