Para esses temos algumas dicas de como conseguir prototipar ou acelerar o desenvolvimento usando no- code também. Isso inclui projetos de análise de dados e aprendizagem de máquina.

Aqui vão algumas plataformas para você acessar e pesquisar para suas construções:

Appy Pie: construtor de aplicativos móveis sem código, construtor
de sites, chatbot e workflow de automação nos seguintes links:

App builder;
Website builder;
Chatbot;
Connect.

Voiceflow;

Airtable;

Ninox;

VINYL.

Mas e se você for uma pessoa que gosta de jogos de computador e seu projeto se enveredou por
esse caminho, saiba que não é nenhum segredo que fazer um jogo de computador geralmente
requer um conhecimento sólido de programação. Mas há também a possibilidade de se utilizar no-
code e low-code para fazer jogos.

Inclusive, trata-se de um ramo muito promissor e que a indústria está captando cada vez mais
pessoas. As opções de arrastar e soltar e outros recursos fáceis permitem que qualquer pessoa que
nunca tenha programado na vida faça um jogo. Apesar da simplicidade, ainda é possível fazer bons
jogos, e as habilidades que você adquiriu durante sua jornada pelo curso promoverão a
programação complementar para encerrar seu jogo de forma competente. Vejamos algumas
opções que você possui para acelerar seu desenvolvimento. Todos os links vêm com vídeos tutoriais
e cursos para que você desenvolva com segurança. Agora é o momento de investir pesado em sua
carreira.

Game Maker;

Unity;

Godot;

CryEngine;

Evergine;

GDevelop;

E em nosso desafio de projeto há também os que preferiram criar suas soluções baseadas em
internet das coisas (IoT) com uma plataforma de hardware baseada em Arduino ou Raspberry Pi. Para
esses temos algumas dicas de como conseguir prototipar ou acelerar o desenvolvimento usando no-
code também. Isso inclui projetos de análise de dados e aprendizagem de máquina.

Mendix; Abordagem visual orientada por modelo da plataforma do aplicativo IoT
permite que desenvolvedores profissionais e menos técnicos consumam serviços IoT
das melhores plataformas IoT da classe, incluindo AWS, IBM Watson, Microsoft Azure e
KPN LoRa. Por meio dessa estratégia agnóstica de plataforma, o Mendix permite que as
organizações criem experiências ricas em dispositivos conectados para transformar suas
operações, produtos e modelos de negócios;

ThingSpeak: Trata-se de uma solução grátis baseada na linguagem MATLAB. Permite
agregar, analisar e visualizar fluxos de dados ao vivo. Os dispositivos IoT enviam seus
dados ao vivo diretamente para o ThingSpeak. A partir daí, você cria visualizações
instantâneas e pode enviar alertas usando serviços da web. Como uma plataforma de
nuvem, ThingSpeak torna possível construir projetos de IoT sem a necessidade de
desenvolver seu próprio software. Além disso, você não precisa configurar um servidor;

Blynk: Trata-se de uma plataforma IoT independente de hardware que vem com
gerenciamento de dispositivos, análise de dados e funcionalidades de aprendizado de
máquina, permitindo que você se conecte a qualquer dispositivo. Além disso possui um
construtor de aplicativo móvel que permite construir aplicativos IoT arrastando e
soltando. Isso vai facilitar bastante a construção de seu projeto;

Record Evolution: É um serviço em nuvem criado para facilitar o desenvolvimento de
soluções de inteligência artificial (IA) para dispositivos de ponta de IoT. A plataforma
agnóstica de hardware ponta a ponta para IoT e AI vem com ferramentas que cobrem
todo o ciclo de desenvolvimento de IoT. Isso inclui gerenciamento de dispositivos,
desenvolvimento de aplicativos em um IDE baseado em nuvem com implantação
instantânea, além de um conjunto de ferramentas de armazenamento de dados. Pode-
se iniciar com a coleta de dados de dispositivos, transformação e modelagem até
análises avançadas e aprendizado de máquina.

Para os que já possuem uma massa de dados prévia e quer apenas descobrir
padrões ou submeter dados para visualização, exploração ou uso de algum
algoritmo de ciência de dados, eu recomendo fortemente que você
considere utilizar o RapidMiner. Ele é útil para preparação de dados,
aprendizagem de máquina e operacionalização de modelos.