Con un dataset chico y reproducible en Jupyter, comparo qué hace distinto XGBoost frente a un RandomForest de scikit-learn — y por qué la respuesta no es "cuál es mejor" sino "para qué problema".
16 sept 2026 · 8′ · Tutoriales · machine learning · python
Por qué Jupyter sigue siendo el estándar de facto para explorar datos, aunque versionarlo con git te haga querer romper el teclado.
05 sept 2026 · 5′ · Experimentos · python · data science
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.
29 jun 2026 · 5′ · Experimentos · machine learning · open source
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.
26 jun 2026 · 5′ · Experimentos · machine learning · deep learning
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.
23 jun 2026 · 5′ · Experimentos · machine learning · deep learning
Corrí simulaciones de supply chain attack sobre npm y PyPI por separado. Cuando los puse uno al lado del otro, el patrón que emergió me incomodó: el ecosistema que todo el mundo vigila no es el más vulnerable. Acá va el meta-análisis cruzado con los números reales.
08 may 2026 · 9′ · Experimentos · npm · node.js
El ecosistema Python de ML tiene un problema estructural que Node y Rust resolvieron hace años: la cadena de dependencias transitivas de una sola librería de ML puede superar las 200 entradas, la mayoría sin firma criptográfica verificable. Simulé el mismo vector sobre mi stack y lo que encontré no es tranquilizador.
01 may 2026 · 8′ · Experimentos · devops · produccion
Un post de HN con 150 puntos me llevó a construir un intérprete de Python desde cero. No aprendí Python. Aprendí exactamente dónde me miente la IA cuando genera código.
18 abr 2026 · 6′ · Experimentos · LLM · arquitectura
Fui team Ollama desde el día uno. La semana pasada intenté reemplazarlo con llama.cpp directo y un wrapper mínimo. El resultado me obligó a repensar algo que creía que ya tenía resuelto: Ollama soluciona UX, no infraestructura.
16 abr 2026 · 6′ · Opinión · docker · LLM
Arquitectura, sistemas reales, decisiones de producto y aprendizajes técnicos. Todo revisado con criterio propio antes de publicarse.
230 artículos publicados