🎉La guía ha sido lanzada 🚀
Llevas meses queriendo empezar en Ciencia de Datos, guardando cursos y sin una ruta clara 📊
Llevo 8 años desarrollando en el mundo del dato y se lo que cuesta empezar.
La sobreinformación te frena.
He escrito algo GRATIS para que eso se acabe👇
‼️ Oferta de trabajo IT:
Una compañera está buscando un Senior Fullstack para cubrir una posición, te cuento👇
👉 100% remoto
👉 50k - 60k €/año
👉 Empresa de producto
🟢 Must:
→ FullStack de verdad, que haya tocado Front y Back
→ Java o Python para el Back
→ Inglés alto indispensable
→ +7 años de experiencia
📩 Si quieres +info y que te pase la oferta completa, comenta o escríbeme al DM.
PD: Solo aquellos que de verdad cumplan los requisitos, por favor.
‼️ Oferta de trabajo IT:
Una compañera está buscando un Senior Fullstack para cubrir una posición, te cuento👇
👉 100% remoto
👉 50k - 60k €/año
👉 Empresa de producto
🟢 Must:
→ FullStack de verdad, que haya tocado Front y Back
→ Java o Python para el Back
→ Inglés alto indispensable
→ +7 años de experiencia
📩 Si quieres +info y que te pase la oferta completa, comenta o escríbeme al DM.
PD: Solo aquellos que de verdad cumplan los requisitos, por favor.
Hoy nos alejamos de la Ciencia de Datos y os dejo unos consejos para que os sea más fácil encontrar trabajo.
Pasar ese primer filtro es la parte más complicada.
No te prometo nada, pero siguiendo estos consejos, vas a estar por delante del resto de candidatos seguro 👇
❌ Si no consigues trabajo, deja de mandar CVs a lo loco y piensa que estás haciendo mal.
Una oferta ahora mismo puede superar fácilmente las 500 aplicaciones.
Si quieres que se lean tu CV tienes que destacar.
Tienes que diferenciarte del resto.
Y por suerte, eso es muy fácil, porque el candidato medio no se toma ninguna molestia ni se esfuerza.
(Y también porque no me siguen y no podrán leer este post. Si estás leyendo esto, ya partes con ventaja 😉)
Vamos al lio:
📄 Todo empieza con tu CV.
Como te he dicho, cuando una oferta recibe +100 solicitudes, es imposible que un recruiter se los revise todos.
Es por ello que existen los ATS (Applicant Tracking System), para quien no lo conozca, es un sistema que filtra, organiza y clasifica candidatos antes de que nadie los vea.
Dicho esto, tu CV tiene que estar optimizado para pasar ese primer filtro automático. Vamos a ponerle las cosas fáciles.
1️⃣ Optimiza tu CV
👉 Una sola columna
Visualmente, dos columnas queda muy chulo, pero no vamos a exponer nuestro CV en el Louvre, vamos a conseguir trabajo.
👉 No uses foto
Eres muy guapo, tu abuela te lo dice mucho, pero las fotos para insta, a no ser que seas modelo, la foto sobra.
👉 Tipo de letra
No reinventes la rueda. Una letra que se entienda, Arial, Calibri o Times New Roman si eres más barroco. Tamaño 10 - 12.
👉 PII (Información personal)
No estás mandando una carta. No pongas tu dirección exacta. Ni tu DNI. Ni el télefono de tu madre (lo he visto)
Nombre, apellidos, ciudad, télefono, mail, linkedin/web/git/portfolio
👉 Introducción PROFESIONAL
Esto no es Tinder, no estás ligando. Lo pongo en mayúsculas por lo mismo, no es un resumen personal. Me da igual si tienes una tortuga o si juegas al pádel.
Una introducción para que de un primer vistazo se sepa tu rol, funciones y cuales son tus principales herramientas.
👉 Keywords
No te andes por las ramas. Usa palabras claves en la descripción y en cada experiencia.
Por ejemplo, no pongas unicamente que trabajas en Cloud; escribe AWS, Azure, etc.
O desarrollo de ETL con Python.
👉 Experiencia
Lo primero que tiene que haber después de la introducción, en orden cronológico inverso. De lo más reciente a lo más antiguo.
No te enrolles en la descripción. Bullet points que empiecen con un verbo de acción: desarrollé, optimicé, desplegué, etc. y al grano.
👉 Educación
Es posible que esto que voy a decir te sorprenda: ¡No añadas la primaria!
Cositas obvias, añade la educación relevante para el puesto. Primaria y secundaria ahorratelos. Bachillerato, si tienes grado o grado superior, se dan por hecho, tampoco es necesario.
👉 Skills
No escribas una lista de la compra. Añade esas skills o herramientas que de verdad domines. Agruparlas por sección puede ser una buena opción.
Actualiza tu CV siguiendo estos consejos y creeme que vas a notar la diferencia.
2️⃣ Se proactivo
No seas de esos que aplican a una oferta y ya pretenden conseguir trabajo en una semana.
Normalmente en LinkedIn te aparece la persona que ha publicado la oferta.
Escríbele.
Muestra tu interés y ofrecete para una llamada.
Otra buena práctica es buscar un referido interno, es decir, busca una persona que ya trabaje en la empresa que te interesa.
Escríbele mostrando interés, preguntale como es trabajar en esa empresa o como es el proceso de selección. Y si lo ves abierto, preguntale si tienen programa de referidos.
Estará encantado de echarte una mano (se llevan un bonus si entras)
3️⃣ Primera entrevista
No vayas a lo loco.
Normalmente en una primera entrevista siempre llega un momento en el que te preguntan "¿como ha sido tu trayectoria? Cuéntame sobre ti"
Ese es tu momento para pasar el filtro.
Preparate con antelación un speech de 5-10 minutos con todo lo importante, experiencia relevante para el puesto, tecnologías, proyectos...
Esto aplica también para siguientes pasos.
Si tienes una entrevista técnica, estudia y practica, hazte una lista de logros, retos, momentos en los que hayas brillado... que no te pille desprevenido.
🎯 Y esto es todo. Hay mucha competencia, pero también muchas oportunidades.
Yo no puedo asegurarte que vayas a conseguir trabajo si sigues estos consejos.
Pero si que estarás por delante de la gran mayoria de candidatos.
🔁❤️ Comparte y dale like si te ha parecido útil este post.
😁 Y sígueme si te interesa el contenido de Ciencia de Datos, IA, trabajo en remoto y consejos para el mundo laboral en general.
❌ Si no consigues trabajo, deja de mandar CVs a lo loco y piensa que estás haciendo mal.
Una oferta ahora mismo puede superar fácilmente las 500 aplicaciones.
Si quieres que se lean tu CV tienes que destacar.
Tienes que diferenciarte del resto.
Y por suerte, eso es muy fácil, porque el candidato medio no se toma ninguna molestia ni se esfuerza.
(Y también porque no me siguen y no podrán leer este post. Si estás leyendo esto, ya partes con ventaja 😉)
Vamos al lio:
📄 Todo empieza con tu CV.
Como te he dicho, cuando una oferta recibe +100 solicitudes, es imposible que un recruiter se los revise todos.
Es por ello que existen los ATS (Applicant Tracking System), para quien no lo conozca, es un sistema que filtra, organiza y clasifica candidatos antes de que nadie los vea.
Dicho esto, tu CV tiene que estar optimizado para pasar ese primer filtro automático. Vamos a ponerle las cosas fáciles.
1️⃣ Optimiza tu CV
👉 Una sola columna
Visualmente, dos columnas queda muy chulo, pero no vamos a exponer nuestro CV en el Louvre, vamos a conseguir trabajo.
👉 No uses foto
Eres muy guapo, tu abuela te lo dice mucho, pero las fotos para insta, a no ser que seas modelo, la foto sobra.
👉 Tipo de letra
No reinventes la rueda. Una letra que se entienda, Arial, Calibri o Times New Roman si eres más barroco. Tamaño 10 - 12.
👉 PII (Información personal)
No estás mandando una carta. No pongas tu dirección exacta. Ni tu DNI. Ni el télefono de tu madre (lo he visto)
Nombre, apellidos, ciudad, télefono, mail, linkedin/web/git/portfolio
👉 Introducción PROFESIONAL
Esto no es Tinder, no estás ligando. Lo pongo en mayúsculas por lo mismo, no es un resumen personal. Me da igual si tienes una tortuga o si juegas al pádel.
Una introducción para que de un primer vistazo se sepa tu rol, funciones y cuales son tus principales herramientas.
👉 Keywords
No te andes por las ramas. Usa palabras claves en la descripción y en cada experiencia.
Por ejemplo, no pongas unicamente que trabajas en Cloud; escribe AWS, Azure, etc.
O desarrollo de ETL con Python.
👉 Experiencia
Lo primero que tiene que haber después de la introducción, en orden cronológico inverso. De lo más reciente a lo más antiguo.
No te enrolles en la descripción. Bullet points que empiecen con un verbo de acción: desarrollé, optimicé, desplegué, etc. y al grano.
👉 Educación
Es posible que esto que voy a decir te sorprenda: ¡No añadas la primaria!
Cositas obvias, añade la educación relevante para el puesto. Primaria y secundaria ahorratelos. Bachillerato, si tienes grado o grado superior, se dan por hecho, tampoco es necesario.
👉 Skills
No escribas una lista de la compra. Añade esas skills o herramientas que de verdad domines. Agruparlas por sección puede ser una buena opción.
Actualiza tu CV siguiendo estos consejos y creeme que vas a notar la diferencia.
2️⃣ Se proactivo
No seas de esos que aplican a una oferta y ya pretenden conseguir trabajo en una semana.
Normalmente en LinkedIn te aparece la persona que ha publicado la oferta.
Escríbele.
Muestra tu interés y ofrecete para una llamada.
Otra buena práctica es buscar un referido interno, es decir, busca una persona que ya trabaje en la empresa que te interesa.
Escríbele mostrando interés, preguntale como es trabajar en esa empresa o como es el proceso de selección. Y si lo ves abierto, preguntale si tienen programa de referidos.
Estará encantado de echarte una mano (se llevan un bonus si entras)
3️⃣ Primera entrevista
No vayas a lo loco.
Normalmente en una primera entrevista siempre llega un momento en el que te preguntan "¿como ha sido tu trayectoria? Cuéntame sobre ti"
Ese es tu momento para pasar el filtro.
Preparate con antelación un speech de 5-10 minutos con todo lo importante, experiencia relevante para el puesto, tecnologías, proyectos...
Esto aplica también para siguientes pasos.
Si tienes una entrevista técnica, estudia y practica, hazte una lista de logros, retos, momentos en los que hayas brillado... que no te pille desprevenido.
🎯 Y esto es todo. Hay mucha competencia, pero también muchas oportunidades.
Yo no puedo asegurarte que vayas a conseguir trabajo si sigues estos consejos.
Pero si que estarás por delante de la gran mayoria de candidatos.
🔁❤️ Comparte y dale like si te ha parecido útil este post.
😁 Y sígueme si te interesa el contenido de Ciencia de Datos, IA, trabajo en remoto y consejos para el mundo laboral en general.
⚠️ Si trabajas con Datos o ML, tarde o temprano te pasará esto:
“En mi portátil funciona, en producción no”.
🐳 Docker existe para evitar exactamente eso.
Es una herramienta para hacer tu trabajo reproducible, portable y desplegable.
Empaquetas código + dependencias + entorno en una imagen.
Da igual donde lo ejecutes, tu contenedor tiene todo lo necesario para que funcione.
De tu PC, a una Raspi o al Cloud.
📊 En Ciencia de Datos es importante que tus notebooks funcionen en cualquier entorno y los experimentos sean reproducibles.
Entrenas un modelo hoy → Reentrenas dentro de 6 meses → Mismo resultado.
🤖 Cuando avanzas a la parte de Machine Learning, usar Docker no es que sea importante, es imprescindible.
Desplegar pipelines, uso de APIs, integrarlo con Kubernetes, Airflow, CI/CD.
El modelo en producción tiene que ser reproducible.
🔄 Del experimento a producción
Flujo típico:
- Entrenas el modelo
- Lo empaquetas en Docker
- Expones un endpoint (/predict)
- Lo despliegas donde quieras
❌Pero ojo, no cometas lo siguientes errores:
- No metas datos dentro del contenedor
- Hazlo lo más ligero posible
- Fija la versiones (sino, no tendría sentido)
- Usalo desde el principio, no esperes a producción
🎯El objetivo es que tu trabajo sea usable, escalable y profesional.
🐳 ¿Aprender Docker en Ciencia de Datos?
Obligatorio si quieres llevar tus modelos al mundo real.
Te cuento porque es tan importante en el siguiente post👇🏻
⚠️ Si trabajas con Datos o ML, tarde o temprano te pasará esto:
“En mi portátil funciona, en producción no”.
🐳 Docker existe para evitar exactamente eso.
Es una herramienta para hacer tu trabajo reproducible, portable y desplegable.
Empaquetas código + dependencias + entorno en una imagen.
Da igual donde lo ejecutes, tu contenedor tiene todo lo necesario para que funcione.
De tu PC, a una Raspi o al Cloud.
📊 En Ciencia de Datos es importante que tus notebooks funcionen en cualquier entorno y los experimentos sean reproducibles.
Entrenas un modelo hoy → Reentrenas dentro de 6 meses → Mismo resultado.
🤖 Cuando avanzas a la parte de Machine Learning, usar Docker no es que sea importante, es imprescindible.
Desplegar pipelines, uso de APIs, integrarlo con Kubernetes, Airflow, CI/CD.
El modelo en producción tiene que ser reproducible.
🔄 Del experimento a producción
Flujo típico:
- Entrenas el modelo
- Lo empaquetas en Docker
- Expones un endpoint (/predict)
- Lo despliegas donde quieras
❌Pero ojo, no cometas lo siguientes errores:
- No metas datos dentro del contenedor
- Hazlo lo más ligero posible
- Fija la versiones (sino, no tendría sentido)
- Usalo desde el principio, no esperes a producción
🎯El objetivo es que tu trabajo sea usable, escalable y profesional.