← Volver al blog

Awesome Curated: The Tools

Deep dives en las herramientas que pasan el filtro de nuestro sistema de curación automático. Cada post analiza una tool específica: por qué está en la lista, cuándo usarla, cuándo no.

13 artículos

  1. 01

    Docker for Novices: el recurso que 16 listas no pueden estar equivocadas

    Una charla de conferencia de 2019 que apareció en 16 awesome lists independientes. ¿Vale la pena en 2024? Analizamos por qué este recurso de Docker sigue siendo una entrada sólida.

    Reflexiones · 4′

  2. 02

    Themis: criptografía seria sin morir en el intento

    Themis es la librería de crypto que los devs necesitaban: AES, ECC y forward secrecy con una API que no te hace querer abandonar la profesión. Apareció en 7 listas independientes. No es casualidad.

    Experimentos · 5′

  3. 03

    m2cgen: exportá tu modelo de ML sin llevar Python a producción

    Entrenás en Python, deployás en Java, Go o lo que tengas. m2cgen convierte tus modelos de scikit-learn en código nativo sin ninguna dependencia de runtime.

    Experimentos · 5′

  4. 04

    TensorFlow: el elefante de ML que sigue en pie

    TensorFlow no es sexy en 2025, pero sigue siendo la infraestructura seria detrás de deployment a escala. Por qué está en la lista y cuándo realmente lo necesitás.

    Experimentos · 5′

  5. 05

    PyTorch: el framework de deep learning que ganó la guerra

    PyTorch apareció en 6 awesome lists independientes y el motivo es simple: ganó. No es hype, es infraestructura. Te cuento por qué está en nuestra lista y cuándo tiene sentido usarlo.

    Experimentos · 5′

  6. 06

    XGBoost: gradient boosting que dominó Kaggle y sobrevivió al hype

    XGBoost no es moda: es el algoritmo que ganó cientos de competencias de ML con datos tabulares. Por qué sigue siendo referencia obligada en 2025 y cuándo usarlo.

    Experimentos · 5′

  7. 07

    Sniffnet: monitoreá tu red sin volverte loco con tcpdump

    Sniffnet es un monitor de tráfico de red multiplataforma escrito en Rust. UI real, gráficos en tiempo real, sin necesitar un título en seguridad para entender qué está pasando.

    Experimentos · 5′

  8. 08

    Netron: abrí cualquier modelo ML y mirá qué hay adentro

    Netron te deja inspeccionar la arquitectura de cualquier modelo ML sin Jupyter, sin código, sin dramas. ONNX, PyTorch, TensorFlow: lo abrís y ves todo.

    Experimentos · 5′

  9. 09

    Node.js: el runtime que cambió cómo pensamos el backend

    Node.js no es solo 'JavaScript en el servidor'. Es un cambio de paradigma en cómo manejamos I/O. 30 años de historia con la tecnología me enseñaron a reconocer cuándo algo realmente mueve el piso.

    Experimentos · 5′

  10. 10

    Swiper: el slider táctil que no te va a arruinar el sprint

    Swiper lleva años siendo el estándar indiscutido para carousels táctiles en la web. Sin dependencias, con wrappers oficiales para React, Vue y Angular, y transiciones que parecen nativas.

    Experimentos · 5′

  11. 13

    Jupyter no es que sea vago, es que hace bien su trabajo

    Por qué Jupyter sigue siendo el estándar de facto para explorar datos, aunque versionarlo con git te haga querer romper el teclado.

    Experimentos · 5′

  12. 13

    Apache Spark procesa terabytes sin que se te derrita el cluster

    Apache Spark lleva más de una década siendo el estándar de facto para procesar datos a escala. Repasamos por qué sigue vivo, cómo funciona por abajo y cuándo NO te conviene usarlo.

    Experimentos · 5′

  13. 13

    gRPC no es moda: es el contrato que REST nunca te dio

    gRPC resuelve la comunicación entre microservicios con code generation y HTTP/2. Es rápido, es tipado, y la curva de aprendizaje te va a doler un poco. Spoiler: vale la pena.

    Experimentos · 5′