uno más

[Adaubam Pires @adaubam]

Nesses tempos de ChatGPT, importante lembrar as dicas de Italo Calvino para o novo século:

1. Aprenda poemas de cor;
2. Faça contas a mão;
3. Combata a abstração da linguagem;
4. Saiba que tudo que você tem pode lhe ser tirado de uma hora para outra.

[Regalitos Digitales @regalitosw]

Me gasté 3 años aprendiendo inglés al revés.

Nadie me dijo que con dominar 20 verbos cubres el 80% de conversaciones reales.

Guarda esto 🔖

[Math Cafe @Riazi_Cafe_en]

Terence Tao's "Solving Mathematical Problems: A Personal Perspective"

Terry Tao's first book, written when he was 15-16 years old. The book is based on his experiences with mathematical problem solving.

https://t.co/6uEyMtHrvw

[Precis0x @precisox]

Una profesora de ciencias de la computación de stanford acaba de revelar cómo dominar los procesos de decisión de markov.

83 minutos. Gratis. Directo de stanford.

Esto es lo que cubren:
• Problemas de búsqueda vs. entornos estocásticos
• Evaluación de políticas y matemáticas de recurrencia de valores Q
• Ingeniería del bucle de iteración de valores
• Límites de convergencia en grafos cíclicos

Guarda y míralo hoy.

Te lo recomiendo.

[Leo @leoxbtt]

🚨 EXCLUSIVA: GOOGLE ACABA DE FILTRAR GRATIS UNA CLASE DE 8 MIN PARA CREAR AGENTES

después de estos 8 min sabrás cómo funcionan los agentes al 100% y cómo construirlos desde 0

guárdalo y míralo mientras comes

[rob. @robiartec]

UN CIENTÍFICO DANÉS PROGRAMÓ A CLAUDE PARA QUE BUSQUE TRABAJO POR ÉL Y LO ACABA DE HACER PÚBLICO

Mandar CVs es uno de los trabajos más absurdos del mundo: copiar, pegar, adaptar, personalizar, repetir. Todo manual, todo lento, todo para que lo lea un algoritmo antes que un humano.

→ Analiza la oferta de trabajo automáticamente
→ Genera un CV personalizado para cada puesto
→ Redacta la carta de presentación adaptada al contexto
→ Todo lo hace Claude por debajo, sin que toques nada
→ Open source, ya en 3.5k stars en GitHub

El tío que debería estar buscando trabajo ha construido la herramienta que lo busca por él.

Aquí te explico cómo funciona 👇(repoo al final del hilo)

[Curious Minds @CuriousMindsHub]

How To Read A Book

[Param @ParamSiddh]

When it comes to Mathematics,

This is the channel. Absolute beginner friendly.

[Mustafa @oprydai]

is math discovered or invented?

that question looks simple.

then it starts pulling you into the deep end.

numbers
infinity
proof
abstraction
logic
truth

is math real? by eugenia cheng

shows how ordinary questions lead to the foundations of mathematics.

is zero real?
are negative numbers real?
what about imaginary numbers?
what about infinity?

math is strange because it does not behave like physical objects.
you cannot touch a triangle.

but you can prove things about all triangles.
that is the power of abstraction.

math is not just calculation.
it is the art of building precise worlds in the mind

then discovering what must be true inside them.

[Adrián Sussudio (el de los libros) @AdrianSussudio]

Hipercomplejidad es el libro más completo que he leído en años. Le voy a dedicar un episodio proximamente.

De mientras, algunas leyes que he sacado:

1. Ley de Goodhart: Indica los peligros de depender excesivamente de los indicadores para tomar decisiones. Cuando una medida específica se convierte en un objetivo en sí mismo, deja automáticamente de ser una buena métrica. Por ejemplo, la búsqueda ciega de recompensas de dopamina, al convertir la satisfacción emocional en el objetivo, pervierte el consumo y la calidad de la información.

2. Ley de Pareto: En multitud de fenómenos complejos, aproximadamente el 80 % de los efectos provienen únicamente del 20 % de las causas. Para explicar la distribución desigual en dinámicas sociales, como el hecho de que solo unos pocos individuos catalizan gran parte de una moda. Además, funciona como un valioso modelo mental para comprender que unas pocas cosas fundamentales suelen ser desproporcionadamente más determinantes que una gran mayoría de cosas triviales.

3. Ley de Metcalfe: Este principio sostiene que el poder y el valor de una red crecen de manera exponencial a medida que se le añaden nuevos nodos. La civilización global moderna está profundamente moldeada por dinámicas de sistemas interconectados. De esta forma, el aumento exponencial de nuestra conectividad no solo influye en el orden existente, sino que tiene el potencial para crear estructuras políticas y económicas totalmente nuevas.

4. Ley de Zipf: Es un patrón empírico que describe cómo diversos fenómenos naturales y sociales siguen una distribución estadística muy específica en forma de ley de potencia. Por ejemplo, la distribución del tamaño de las empresas en una economía no es lineal, sino que tiende a asemejarse a esta ley.

5. Ley de Godwin: A medida que una discusión en internet se alarga en el tiempo, la probabilidad de que aparezca una comparación mencionando a H*tler o a los n*zis tiende irremediablemente a uno.

Aquí lo puedes conseguir (solo está en físico): https://t.co/kLRn5REEnA

[Mir Titles @MirTitles]

Problems in Mathematical Analysis – Demidovich (Ed.)
This collection of over 3,000 #problems and exercises in mathematical analysis covers the maximum requirements of general courses in higher #mathematics #soviet #books #mir #problembooks #ProblemSolving
https://t.co/SLpM91kBqz

[Mathematica @mathemetica]

"I don't have any magical ability. I look at a problem, play with it, work out a strategy."

— Terence Tao

[Oscar Arias @OACerebro]

Enjoy!

https://t.co/h2CCGBMNM1

[Chesny @chesny]

Vale la pena guardar esta clase de Stanford.

1 hora y 44 minutos dedicados por completo a entender los modelos de lenguaje grandes desde cero.

No es el típico video corto de "Entiende ChatGPT en 10 minutos".

Es una clase real de CS229 que profundiza en la lógica subyacente.

Hoy en día, mucha gente usa la IA de forma intensiva, pero realmente no tiene ni idea de cómo funcionan estos modelos.

Cómo se generan los tokens.

Por qué el modelo predice la siguiente palabra.

Cuál es la diferencia entre entrenamiento e inferencia.

Por qué el contexto afecta el resultado.

Por qué la misma pregunta, planteada de forma diferente, puede arrojar resultados totalmente distintos.

No necesitas aprender todo esto hasta el punto de construir modelos tú mismo.

Pero si quieres usar la IA a largo plazo para escribir código, crear productos, generar contenido o hacer automatizaciones, al menos necesitas saber a grandes rasgos cómo funciona.

De lo contrario, es muy probable que termines viendo la IA como una herramienta mística.

Cuando funciona bien, piensas que es magia.

Cuando falla estrepitosamente, no tienes ni idea de dónde está el problema.

Este tipo de clase gratuita y pública vale mucho más la pena que pasar el tiempo viendo un montón de consejos fragmentados.

[Pablo Rio @PabloRioX]

🚨Un ingeniero de Anthropic acaba de explicar por qué la mayoría usa Claude completamente mal.

“No se trata de que tú hagas prompts para Claude.

Se trata de construir un sistema que se haga prompts a sí mismo.”

Y honestamente...

es uno de los workflows más potentes que he visto este año.

En el vídeo explica:

→ el 14% de rendimiento que pierdes en CLAUDE.md antes de escribir una sola palabra

→ los plugins que la mayoría ni siquiera tiene instalados

→ el sistema de caché que mantiene un 95% de hit rate y reduce los costes drásticamente

→ por qué empezar cada conversación desde cero es probablemente la forma más lenta de usar Claude

La mayoría sigue usando Claude como un chatbot.

Los usuarios avanzados están construyendo sistemas completos de trabajo alrededor de él.

Si llevas meses usando Claude y nunca has salido de la ventana de chat...

probablemente solo estás utilizando el 10% de lo que puede hacer.

Guárdalo antes de que desaparezca en tu feed 🔖

[Marco @maarcoofdezz]

Dejó su trabajo en marketing a los 35, se obsesionó con la IA y ganó $360,000 en un solo mes usando Claude.

¿Su secreto?

Un motor de simulación del precio de Bitcoin.

Usando Claude como el "cerebro" detrás del algoritmo, automatizó operaciones que generaban entre $5,000 y $15,000 por posición.

Así es como funciona el sistema:

Detección instantánea
El algoritmo escanea los mercados cripto y ejecuta en el momento en que detecta precios mal valorados.

Datos exclusivos
Usa datos del order book y flujos OTC privados que el trader promedio nunca llega a ver.

La verdadera magia
Antes de entrar, el motor ejecuta 10,000 simulaciones para predecir cómo reaccionará el mercado.

Así fue como alcanzó $366K de beneficio total apostando constantemente en contra de la multitud.

No porque adivine mejor.

Sino porque su sistema lee el mercado mejor.

Esto ya no se trata de dibujar líneas en gráficos ni de predecir velas.

Esto es dinero diseñado por ingeniería:

IA + matemáticas + datos privados + ejecución automatizada.

[Chesny @chesny]

Las universidades te cobran una fortuna por 5 años de estudio para que termines ganando 45.000$/año.

Mientras tanto, Stanford acaba de liberar GRATIS la habilidad por la que OpenAI y Google pagan 750.000$/año. Y solo dura 1,5 horas.

El sistema prefiere que no lo sepas.

Cambia hoy 90 minutos de scroll en TikTok por esta masterclass. Es menos entretenida, sí, pero saldrás siendo un profesional mucho más caro. Pon tu tiempo a trabajar a tu favor.

Sígueme para no quedarte atrás en la era de la IA. 👇

[Jorge @tebayoso]

Aun no he enconrado un solo creador de contenido tech en Español que hable así de bien, con buen bagaje técnico y que no necesite ser un fantoche que hace vocecitas, vende tutoriales o se ha comido el personaje. ¿Es mucho pedir?

[Marco @maarcoofdezz]

Un estudiante de 21 años en Ankara. Estudia ingeniería de software y todavía vive en la residencia universitaria.

Pasó un mes escribiendo un trading bot. Cuando todo estuvo listo, le dio a "iniciar". Esa misma noche ganó 14 mil dólares.

Ni él mismo se lo creía. El setup no era tan complicado como pensaba.

Me contó los detalles. El core stack son tres cosas: OpenAI Codex, Claude Opus 4.7 y la Polymarket CLOB API.

La lógica es esta: cuando sale una noticia importante, la probabilidad en Polymarket se actualiza en pocos segundos, pero el orderbook se queda lleno al nivel anterior. Esa ventana dura entre 30 y 90 segundos. El bot escanea el feed de noticias de Bloomberg y Reuters, y aplica la fórmula:

ΔP(t) = α · news_score · e^(-λt)

α es la elasticidad de la noticia respecto al mercado. λ es la velocidad de propagación de la información. La posición se cierra antes de que el precio vuelva a su nivel.

La ejecución se hace a través de Polymarket CLOB. No hay ningún prompt manual a Claude tipo "abre un long en este nivel". El bot funciona por su cuenta.

Ahora mismo está en 50-70 mil dólares al mes. A este ritmo, son 600 mil dólares al año.

Hace un mes, en la habitación de la residencia tenía un laptop, Claude Pro y una API key de Polymarket. Ahora tiene esto.