Alex

@precisox Comp debe ser.

Cada idea parece ya tomada. Cada API ya existe. Cada SaaS tiene 15 competidores. No te preocupes por eso, solo construye.

@franpradasAI Buen post. Lo tendré en consideración para salir de la zona de confort

MULTIPLICA x3 tu SALARIO trabajando para otro país Yo lo hice: 🇨🇭 Suiza 🇺🇸 USA 📍 Desde España (100% remoto) Mientras tanto, ahí sigues, trabajando amargado y cobrando 2 duros. En el hilo te enseño cómo 🧵👇 (El último paso nadie te lo cuenta 🤫)

@borjaperfra Que chevere !!! Lo esperamos,sin duda será una gran herramienta.

@AlexTomala87 Tengo la opción creada y desabilitada, porque LinkedIn es muy estricto y si pegas la URL de tu perfil no te lo lee. Pero está en roadmap :)

😢 Nadie te llama. Tu CV no pasa LA BARRERA de los ATS. Hasta hoy ^__^ He construido una herramienta que te ayuda a optimizar tu CV para los sistemas de filtrado que usan las empresas. He lanzado la herramienta que os comentaba la semana pasada con la ayuda inestimable de @barckcode Te la dejo aquí: cv.nan.builders Hay mucha gente que no entiende que muchas empresas utilizan ATS para filtrar las aplicaciones (en Manfred no, por si tenías la duda). Hace unos días, hablando con un Engineering Manager que estuvo en búsqueda de empleo, me decía: “Yo también era un rebelde que se resistía a cambiar su CV. Hasta que me lo dijeron a la cara. Da igual que tengas razón o no. El sistema ahora funciona así y si no te metes en el sistema tienes muchas menos probabilidades. Ese mismo día cambié el CV, volví a aplicar y empezaron a llegar los emails que no llegaban antes.” 🤔 El flujo es sencillo: - Sube tu CV (solo se almacena en tu local storage) - Analízalo - Revisa el análisis (puedes descargarlo en PDF) - Te vas al editor de CV’s: cargas tu CV y aplicas las mejoras que te da la IA - Descargas tu nuevo CV - Traduces al inglés si quieres los dos idiomas - Te vas al comparador de CV vs oferta y le tiras una oferta que encaje contigo y miras el % de match El editor de CV’s es estricto porque si os dejo tocar demasiado, la liáis parda y el CV deja de estar optimizado para ATS. Y aplica la plantilla que compartió @DanielBlancoSWE (la que él uso para entrar en Salesforce o MongoDB) con un botón. Y en el análisis de tu CV, no todos los consejos se pueden aplicar, pero FUNCIONA mucho para optimizarlo. ⚠️ Importante: No me juzguéis como desarrollador sin ser yo nada de eso :) Sed buenos. Esto es un side project que se ha convertido en una herramienta útil para la comunidad, pero no deja de estar vibecodeada por un tío que puso algo en producción por primera vez hace unas semanas. Ten en cuenta que puede tener errores, fallos en los timeouts de las llamadas, etc. Es una BETA. Prueba, analiza tu CV, aplica los cambios en el editor y usa el comparador de cv vs oferta para ver tu grado de match. Y si encuentras algo que mejorar o que no funciona, hay un botón de FEEDBACK que me crea issues que poder priorizar para mejorar la herramienta. Esto es marca ACME, puede petar en cualquier momento. La API tiene un límite de gasto para que no me arruinéis XD Así que si no funciona, me notificáis y reviso. La idea es testear que esto tiene sentido de dos maneras: - Como herramienta para la comunidad. Y de ahí, generar una suite de herramientas desde Manfred que os sirvan y os ayuden en la búsqueda de empleo - Constatar que se puede hacer software como marketing y, a la vez, seguir haciendo un marketing honesto :) Laik, repost, guarda y tal para que la herramienta llegue a más gente. Y si quieres compartir tu puntuación (de tu CV actual o del mejorado o de los dos) en los comentarios del post, dale :) Me hará muy feliz PD: no he conseguido llegar a una puntuación de 99 o 100. Si alguien llega, premio ;)

@borjaperfra Excelente, sin duda me servirá mucho.

Muchas veces ignoramos principios claves de diseño por la prisa a entregar. Recomiendo este material para refrescar pilares del diseño

@Ai_Vaidehi This information is very useful, thk

𝟯𝟬 𝗕𝗹𝗼𝗴𝘀 𝘁𝗼 𝗟𝗲𝗮𝗿𝗻 𝟯𝟬 𝗦𝘆𝘀𝘁𝗲𝗺 𝗗𝗲𝘀𝗶𝗴𝗻 𝗖𝗼𝗻𝗰𝗲𝗽𝘁𝘀: 1. APIs: lnkd.in/dsbwPZ6N 2. API Gateways: lnkd.in/gtyXmvf4 3. JWTs: lnkd.in/ghtXYRqU 4. Webhooks: lnkd.in/geHxGX-7 5. REST vs GraphQL: lnkd.in/gM5VHKQS 6. Load Balancing: lnkd.in/gvxfwEUr 7. Proxy vs Reverse Proxy: lnkd.in/gMTtidBq 8. Scalability: lnkd.in/gPGhW-qK 9. Availability: lnkd.in/gQk2p4_6 10. SPOF: lnkd.in/gw_uHZWn 11. CAP Theorem: lnkd.in/g_tFqJJb 12. SQL vs NoSQL: lnkd.in/gHyC9qWc 13. ACID Transactions: lnkd.in/dB3QHiMz 14. Database Indexes: lnkd.in/g_-bQWtA 15. Database Sharding: lnkd.in/g9mc-d5m 16. Consistent Hashing: lnkd.in/gR9wFDpz 17. CDC: lnkd.in/gWhGwh9Z 18. Caching: lnkd.in/gBSeTstS 19. Caching Strategies: lnkd.in/dVk7nZ_Y 20. Cache Eviction Policies: lnkd.in/gQAEXEmq 21. CDN: lnkd.in/gaW4Vkpy 22. Rate Limiting Algorithms: lnkd.in/gYDxg8XY 23. Message Queues: lnkd.in/g-jnNGDC 24. Bloom Filters: lnkd.in/gfGjCrSZ 25. Idempotency: lnkd.in/gDB3AJij 26. Concurrency vs Parallelism: lnkd.in/gGZXhjBD 27. Long Polling vs WebSockets: lnkd.in/d9xKD28K 28. Stateful vs. Stateless Architecture: lnkd.in/gz_ccK-Y 29. Batch vs Stream Processing: lnkd.in/gKtj_qWh 30. Geohashing: lnkd.in/gjSbKdpN 🔁 Repost to help a friend. 📌 Save this post for later.

@Nona_xai Interesante.

En lugar de ver una hora de Netflix, mira esta conferencia de 2 horas de Stanford que te enseñará más sobre cómo se construyen los LLMs como ChatGPT y Claude que lo que la mayoría de personas trabajando en las mejores empresas de IA aprenden en toda su carrera.

@galislab Identificado con lo que indicas y con el objetivo de llegar hacer remoto y no llegar a la oficina a conectarme a una reunión por teams 😅 Por el momento agradecido por tener trabajo. Saludos desde 🇪🇨

🌅 Te quiero contar mi historia y cómo el trabajo en remoto me ha cambiado la vida. Literalmente. Hace tres años era un zombie sin rumbo. Me levantaba a las 6:30h, conducía una hora para ir al trabajo, calentaba la silla, paraba para comer un tupper calentado en el microondas y a las 17:30h, conducía otra hora de vuelta a casa. Cuando era invierno, salía de noche y llegaba a casa de noche. No tenía vida. Quería cambiar, pero el miedo e incertidumbre pesaban más. Un día hice click. Mientras estaba en un atasco de vuelta a casa. No quería esa vida. Empece a buscar como un loco, sin pensar en lo que estaba haciendo, sin un plan, pero con un objetivo: Tener el control de mi tiempo. Hoy puedo decir que esa decisión me ha permitido pasar los mejores años de mi vida. > He podido estar 3 meses en Japón, trabajar desde una cafetería en Osaka, ir un día laborable cualquiera a Kobe o descubrir un festival en Kishiwada 🇯🇵 > Recorrer Seúl cubierta por la nieve y comer en puestos callejeros 🇰🇷 > He pasado 3 meses conociendo la tranquila vida en Cracovia, la belleza de Budapest y la caótica Tirana 🇵🇱🇭🇺🇦🇱 > Estoy conociendo España y como se vive en las diferentes ciudades de nuestro país 🇪🇸 La misma decisión que tomé en aquel atasco es la que veo tomar a personas que me escriben queriendo entrar en Data y el mundo Dev. Buscan libertad. El momento perfecto no existe. Pero el atasco sí. Tres años después, sigo sin tener un plan. Y es lo mejor que me ha pasado. Hoy te digo esto desde una cafetería en Córdoba: Si te da miedo, lo haces con miedo.

@serudda_es Sin duda, en el mundo corporativo esa voz es minimizada.

Lo de Nikita es majestuoso. Millones en comunicación corporativa y el mejor vocero de 𝕏 es un tipo que tuitea sin filtro y come mierda todos los días. Cada tuit que leo de él es una clase magistral de lo que pasa cuando alguien dentro de una empresa decide escuchar, compartir, cagarla, corregir y volver a responder. Toda empresa debería tener un Nikita en nómina. El problema es que casi ninguna tiene los huevos para dejarlos hablar.

Buen resumen del artículo de @borjaperfra de lo que está pasando en el mercado tech con el auge de la AI. Recomiendo darle una mirada 👇 x.com/i/status/20436…

@jorjerojas @santtiagom_ @bytebytego Gracias por el dato, estoy trabajando para avanzar a ese nivel Si tienes algún recurso adicional comparte.

Si quieren aprender diseño de sistemas a nivel pro, y entender mejor por qué todo lo que comparte el crack de @santtiagom_ es muy bueno, pueden aprovechar que @bytebytego tiene 1 mes 100% GRATIS. Dejo el link abajo.

@santtiagom_ Gracias por el aporte 👍🏽

Cuando ya sabés programar, el próximo gran salto es entender cómo diseñar sistemas. ¿Cómo llevás una app a millones de usuarios? ¿Cómo evitás que se caiga cuando todo crece? Todo eso es System Design. Te dejo un roadmap para arrancar: 1) Arquitectura cliente/servidor → cómo se comunican frontend y backend 2) Escalado vertical vs horizontal → crecer con más potencia o más instancias 3) Load balancers → distribuir tráfico entre múltiples servidores 4) Caché (redis) → guardar datos frecuentes para responder más rápido 5) Base de datos (índices y sharding) → optimizar queries y repartir datos 6) CDNs → servir contenido desde servidores cercanos al usuario 7) Message queues (Kafka, RabbitMQ) → procesar tareas de forma asíncrona 8) Rate limiting y retries → controlar uso y manejar fallos 9) Observabilidad (logs, métricas, tracing) → entender qué está pasando en producción No se trata de memorizar, sino de saber cuándo aplicar cada cosa. Consejo: agarrá un concepto, entendé qué problema resuelve y llevalo a algo práctico.

@santtiagom_ Interesante

Anthropic acaba de lanzar Claude Managed Agents. Y cambia bastante cómo se construyen agentes. Antes, para armar uno necesitabas definir tools, manejar memoria, construir el agent loop y encargarte del backend y el deploy. Mucho setup. Ahora ya te lo dan armado: - harness de agente optimizado - infraestructura lista para producción - deploy directo desde Claude Code Dejás de preocuparte por el sistema y pasás a enfocarte en: qué hace el agente, qué tools usa y cómo decide. Delegás la infraestructura. El objetivo es que lleves tus agentes a producción muchísimo más rápido.

@galislab Momentos y días incómodo mientras realizas la transferencia de responsabilidad.

✅ Si todo va bien, en unos días tendré que dar el pre aviso de que me voy de mi empresa actual. Y aunque no es la primera vez, sigue siendo una conversación incómoda. Os cuento en forma de 5️⃣ consejos como tengo pensado hacerlo después de los aprendizajes pasados 👇 1️⃣ Decírselo primero a mi manager: Antes que a RRHH, antes que a nadie. No es de buen gusto que se entere por otras personas. Personalmente, es una cuestión de respeto a quién ha sido tu responsable. 2️⃣ No alargarlo más de lo necesario: Si ya has tomado la decisión, no tiene sentido darle más vueltas. No pierdas el tiempo y ve al grano. No eres el primero que se va, ni va a ser el último. No le cuentes tus dramas y penas, cuando lo comunicas, ellos ya están pensando en sustituirte. 3️⃣ No cerrarme puertas: La vida es muy larga y el mundo muy pequeño, termina bien con ellos. Si has tenido problemas, es el momento de olvidarlos. Una sonrisa en la cara y agradecido. No digo que vuelvas a esa empresa, pero te puedes cruzar con esas personas de nuevo. 4️⃣ Ofrecer mi ayuda en la salida: Documentar tu trabajo, transferencia de conocimientos, dejar cosas cerradas y no dejar cabos sueltos. Tu te vas, pero tus compañeros siguen y de manera temporal, tendrán que asumir tu carga de trabajo, hazles un favor. 5️⃣ Prepararme para una posible contraoferta: Pasa muchas veces. Que una persona se vaya, les supone una movida, a nivel económico y a nivel de negocio. Todo el proceso de buscar a alguien, formarle y que ruede es lento, por lo que van a intentar retenerte. Tienes que tener tus motivos muy claros. ⚠️ Va a ser incomodo, tenlo claro. Hablaras con tu manager, te llamaran desde RRHH, te preguntarán compañeros… Desde que das el pre aviso hasta que te vas suelen pasar 15 días que se hacen eternos, pero ten muy presente estos 3 pilares: Transparencia, respeto y profesionalidad. Si me estás leyendo y estás pasando por este momento: ¡mucho ánimo! 📊 Y si quieres aprender sobre Ciencia de Datos, Python, IA o el mundo laboral en general: ¡Date una vuelta por mi perfil y sigueme!

@santtiagom_ Buen artículo... skills en contaste evolución

Las skills de los agentes suelen ser archivos estáticos. Escribís un SKILL.md, lo guardás en una carpeta y el agente lo usa cuando corresponde. Funciona bien, pero el problema es que el sistema cambia. Cambia el código, cambian las tools, cambia el modelo. Y una skill que antes funcionaba bien puede empezar a fallar. Por ejemplo: una skill que analiza logs para detectar errores. Cuando se creó, los logs tenían cierto formato. Meses después el formato cambia y aparecen nuevos tipos de eventos. La skill sigue ejecutándose, pero empieza a interpretar mal algunos casos. La idea del artículo es tratar las skills como algo que puede mejorar con el tiempo. Para eso proponen un loop: 1. Observe: registrar cada ejecución (inputs, tools usadas, resultado). 2. Inspect: analizar el historial (detectar fallas o patrones). 3. Amend: proponer cambios en la skill (ajustar instrucciones o pasos). 4. Evaluate: probar la nueva versión (comparar con la anterior). Me parece interesante pensar las skills más como software que evoluciona. Si el sistema cambia todo el tiempo, tiene sentido que las skills también se adapten usando datos reales de cómo se ejecutan. Y una buena forma de hacerlo es monitorear la ejecución e ir juntando datos para entender qué funciona bien y qué no. Gran artículo.

@galislab Gracias por la información.

@AlexTomala87 Depende de tus gustos, quizás Data Engineering se adapte más a tu background. Échale un vistazo al link de mi bio que ahí tengo varios recursos gratis con los que puedes empezar.

📊 Quieres ser Data Scientist pero no sabes cómo es su día a día. Te cuento lo que realmente hacemos 👇 Muchos se piensan que nos pasamos el día entrenando modelos, pero el 80% de nuestro trabajo es muy diferente. Gran parte del trabajo ocurre antes de que aparezca el Machine Learning. Te hago un resumen en 5️⃣ pasos: 1️⃣ Entender el problema Enfrentarte a lo que quiere el cliente es jodido. Y sobre todo si son gente no técnica. Ellos tienen una idea feliz en su cabeza, y tu tienes que aterrizarla. ¿Que problema queréis solucionar? ¿Existen datos que permitan abordarlo? ¿Que histórico tenéis? 2️⃣ Explorar datos Recopilar todas las fuentes de datos y explorar. Abrir un notebook y ver a que nos enfrentamos. Por regla general, los datos en bruto son un desastre y tienes mucho trabajo por delante. - Columnas - Nulos - Outliers - Distribuciones Lo que se conoce como estudio de la calidad del dato. En esta parte se va muchísimo tiempo. Aunque por suerte, ahora misma la IA facilita mucho el trabajo. 3️⃣ Modelar Ahora que los datos van teniendo forma, entran los modelos. Y esto, puede que sorprenda a mucha gente, los modelos simples a veces son suficientes. Menos es más. Regresión logística, árboles, random forest, gradient boosting… Aunque tengas un modelo funcional, queda mucho trabajo todavía. Lo que funciona en un notebook no tiene porque funcionar en un sistema real. 4️⃣ De experimento a realidad Hay que convertir el experimento en código mantenible: Preparar pipelines reproducibles, versionar datos, revisar métricas y trabajar con con el resto del equipo para que todo pueda ejecutarse en producción. Esta parte es crucial. 5️⃣ Explicar el porqué Todo el trabajo anterior no sirve de nada si no sabes explicarlo. A veces a gente técnica, a veces a gente de negocio. El speech es muy diferente. Si no puedes explicar qué hace el modelo, por qué funciona y qué limitaciones tiene, es difícil que alguien confíe en él. 👉 Este ha sido un resumen muy resumido. Al final, el trabajo de un Data Scientist se basa en entender los datos, comprender un problema y usar esos datos para tomar mejores decisiones. Es un rol que trabaja mano a mano con el Data Engineer y el ML Engineer, aunque los perfiles híbridos empiezan a ser muy demandados. 📩 ¿No sabes que rol elegir para empezar en la Ciencia de Datos? Escríbeme e intentaré aconsejarte. 🤝 ¡Comparte y sígueme para no perderte nada!

@galislab Perfecto, quizás algún curso o roadmap para iniciar... cual seria la opción recomendable data engineering o Data Science según tú experiencia en el mercado.

@AlexTomala87 Claro que es posible, teniendo buenas bases de programación y cloud tienes gran parte del camino hecho. Entiendo que con bbdd también te habrás tenido que pelear bastante. Es cuestión de ir enfocandote en Python y ML para ir adquiriendo parte del conocimiento.