Tom Vinilo

[Tom Vinilo @TomVinilo]

@errordesconocid Por las pintas, la voz histriónica y el lenguaje corporal, me cuesta no pensar que esta señora sea en realidad un teleñeco.

[Brais Moure @MoureDev]

En directo! Día 1 del curso de Desarrollo con IA: Programa con Agentes.

Hoy:
✓ Fundamentos de la IA
✓ Modelos e ingeniería de prompts
✓ Editores de código con IA
✓ Desarrollo con Agentes

Gratis, con apuntes y certificado → https://t.co/qoHDLlS0gW

[Miguel Ángel Durán @midudev]

¡Vaya tesoro! Colección de APIs gratuitas de modelos de Inteligencia Artificial. Sin pagos y con límites claros.

✓ +20 modelos disponibles
✓ DeepSeek, Gemini, GPT OSS, Qwen...
✓ Con peticiones/minuto y tokens por día

→ https://t.co/6j9yC6kwab

[Miguel Ángel Durán @midudev]

Si te da miedo hablar Inglés, tienes que practicar.
El mejor recurso que te recomiendo es que uses Sesame, una IA conversacional que es una joya.

Tiene voz masculina y femenina, y sigue todo el rato el contexto de tu conversación. Es gratis.

→ https://t.co/ZKQ67YtQ08

[GalisLab 💻📊 @galislab]

12 algoritmos de ML que todo Data Scientist y ML Engineer debe conocer 👇🏻

Si no puedes explicar esto, no podrás superar las entrevistas de ML.

🏷️ Aprendizaje Supervisado:
→ Regresión lineal - predice usando la suma ponderada de características
→ Regresión logística - clasificación binaria a través de probabilidades
→ Decision Tree - divide los datos en los umbrales de características
→ Random Forest - promedia muchos árboles de decisión
→ Naive Bayes - clasificador probabilístico usando el teorema de Bayes
→ Gradient Boosted Trees - árboles secuenciales que arreglan errores anteriores
→ Redes neuronales - nodos en capas que aprenden patrones complejos
→ SVM - maximiza el margen entre clases
→ KNN - clasifica por votos del vecino más cercano

🪄 Aprendizaje No Supervisado:
→ PCA - reduce las dimensiones, mantiene la mayor parte de la varianza
→ K-Means - particiona los datos en un número K de clústeres

🧮 Secuencial:
→ Cadena de Markov - transiciones de estado probabilístico

Las entrevistas en las que te preguntan esto no están poniendo a prueba si has estudiado, no quieren deficiones.

Están probando si sabes cuándo usar uno sobre otro. ¿Por qué elegir un Random Forest por delante de un Gradient Boosted?¿Cuando la regresión logística es mejor que las redes neuronales?¿Por qué K-Means falla en grupos no esféricos?

Eso es lo que separa a un candidato de una oferta.

[Miguel Ángel Durán @midudev]

Figma + Claude Code + OpenSource = OpenPencil
¡Un editor de diseño con IA de código abierto!

Abre archivos .fig, funciona en local, IA integrada, exporta a Tailwind/JSX y conecta con Claude Code o Cursor.

→ https://t.co/F560kFgI0l

[Miguel Ángel Durán @midudev]

Anthropic tiene 19 cursos gratis para aprender Claude Code, MCP, Skills y agentes.

Todos dan certificado y tienen subtítulos:
https://t.co/grFh4axezi

[Miguel Ángel Durán @midudev]

Si usas Windows para programar, necesitas esto.

Microsoft ha lanzado Windows Developer Config. Deja tu máquina lista para desarrollar con un solo comando.

Instala herramientas, prepara WSL + Ubuntu, terminal, instala Node, Python, Rust, Go, Java, .NET, PHP...

Es de código abierto:
→ https://t.co/6ndCDN7pd5

[Brais Moure @MoureDev]

Se viene curso de desarrollo con IA para aprender a programar con agentes!

→ 100% gratis
→ 3 días en directo
→ Con apuntes, guía de regalo para Claude Code y certificado
→ Actualizado con todas las tendencias del sector

Apúntate en:
https://t.co/V83dOszBpn

[Miguel Ángel Durán @midudev]

Alternativa gratuita y de código abierto a NotebookLM
Genera podcasts y chatea con tus documentos fácil.

Sin suscripciones, desde tu máquina y usas la IA que quieras. 100% privado:
https://t.co/otT4EB81tG

[Miguel Ángel Durán @midudev]

Domina los comandos esenciales de Linux en la terminal con lecciones interactivas

Practica pwd, ls, cd, cat, grep, chmod, pipes y mucho más con 6 lecciones progresivas.

Es gratuito:
→ https://t.co/PIWSkfrSUS

[Miguel Ángel Durán @midudev]

¡Nueva terminal para programadores!
Pensada especialmente para uso con IA.

✓ Solo 7MB. Rendimiento brutal
✓ Para Windows, macOS y Linux
✓ Editor, Git, agentes y preview web
✓ Sin telemetría ni registro

Gratis y de código abierto:
https://t.co/MUJWoeSmlJ

[freeCodeCamp.org @freeCodeCamp]

APIs built for humans can become unreliable when AI agents need to use them autonomously.

In this guide, @webmekanic_ explains how to design APIs that agents can use safely and predictably.

You'll learn about deterministic behavior, strong schemas, idempotent writes, structured errors, and API guardrails.

https://t.co/RM9KVP9SJo

[Miguel Ángel Durán @midudev]

Este repositorio te enseña Ingeniería de IA desde cero.

✓ 435 lecciones
✓ 320 horas de contenido
✓ Python, TypeScript, Rust...
✓ Prompts, skills, agentes y servidores MCP

Ejercicios prácticos en cada lección y de código abierto:
https://t.co/Jz6Aac5ZJP

[GalisLab 💻📊 @galislab]

🚀 ¿Cómo demuestra un Data Scientist que sabe validar un cambio en producción sin cargar de teoría infumable al equipo de negocio?

Dominando el A/B Testing desde los datos y no desde la intuición.

Si estás empezando en Ciencia de Datos, este es el desglose técnico y práctico que necesitas para tus entrevistas.

🧪 ¿Qué es un A/B Test en Ciencia de Datos?

No se trata solo de comparar dos opciones, sino de controlar un experimento aleatorizado.

Buscamos probar el impacto de una modificación (un nuevo algoritmo de recomendación, un cambio de UI) sobre una métrica objetivo (KPI), aislando cualquier otra variable externa.

→ Grupo A (Control): Usuarios que experimentan el sistema actual. Es nuestra baseline.

→ Grupo B (Experimental): Usuarios que experimentan la nueva variante.

📡 El núcleo del problema: El ruido vs. La señal

Si la conversión del Grupo B sube un 0.5%, ¿es porque tu nuevo modelo es mejor o es pura casualidad (ruido)?

Para resolver esto usamos la Inferencia Estadística:

→ Planteamos una Hipótesis Nula (H0): "El nuevo cambio no genera ningún impacto real y la diferencia se debe al azar".

→ Nuestro objetivo es acumular suficiente evidencia estadística para rechazar esa H0. Si la rechazamos, confirmamos que el cambio funciona.

⚔️ Las dos formas de medirlo (Pregunta típica de entrevista)

→ Enfoque Frecuentista (El clásico): Se basa en el famoso p-value. Calculas el tamaño de muestra que necesitas antes de empezar y esperas a que termine. Si el p-value es menor a 0.05, el cambio es estadísticamente significativo. Es binario: funciona o no funciona.

→ Enfoque Bayesiano (El moderno): No busca un p-value. Calcula una distribución de probabilidad. Te permite dar respuestas directas a negocio: "Hay un 92% de probabilidad de que el algoritmo B aumente las ventas respecto al A". Es más flexible y permite hacer seguimiento en tiempo real.

🧠 Conceptos clave que debes saber definir

Si te preguntan cómo configuras el test antes de lanzarlo, tienes que mencionar estos términos:

→ Métrica Principal: El indicador clave que quieres mover (ej. Click-Through Rate, tasa de conversión).

→ MDE (Efecto Mínimo Detectable): El cambio más pequeño en la métrica que al negocio le importa detectar. Si buscas un impacto minúsculo, vas a necesitar millones de registros en tu dataset.

→ Tamaño de la muestra: Cuántos usuarios necesitan pasar por el test para que el resultado sea estadísticamente sólido. Se calcula cruzando el MDE con la potencia estadística que buscas (normalmente 80%).

❌ Dos errores de bulto que delatan a un novato

→ Hacer "Peeking": Consultar los resultados acumulados cada pocas horas y detener el experimento en cuanto el p-value baja de 0.05. En Data Science esto es un pecado: altera la tasa de falsos positivos y destruye la validez del test.

→ Ignorar el sesgo de selección: Si por un fallo de código los usuarios premium caen siempre en el Grupo B, tu test está contaminado. La asignación de usuarios tiene que ser puramente aleatoria e independiente.

🎯 ¿Estás preparando tus primeros procesos de selección y te cuesta algún otro concepto de estadística aplicada o de Data en general? Déjamelo abajo y lo vemos. 👇

[Try Catch @TryCatch_tv]

Rutas para aprender system design con casos prácticos

[Miguel Ángel Durán @midudev]

7 Sitios para Aprender SQL de forma interactiva

① sqlzoo․net
② sqlbolt․com
③ datalemur․com
④ sql-practice․com
⑤ mystery․knightlab․com
⑥ aprendesql․dev (en Español)
⑦ sql-easy․com/es (en Español)

[Miguel Ángel Durán @midudev]

Guía para superar entrevistas técnicas como Ingeniero de Software. Contenido en español: Clean Code, arquitectura, algoritmos y más ↓

[GalisLab 💻📊 @galislab]

📢 Este repositorio tiene la colección más grande de APIs públicas de todo internet.

+1500 endpoints → una joya que todo dev tiene que tener en favoritos.

ML, crypto, clima, finanzas, OCR, salud, datos, música, y un largo etc.

Guárdatelo para tu siguiente proyecto 👇

[Santiago @svpino]

Really cool way to find out which models you can run on your computer:

1. Install llm-checker
$ npm install -g llm-checker

2. Detect your hardware
$ llm-checker hw-detect

3. Get a recommendation
$ llm-checker recommend --category coding

Here are some of the recommendations I got: