Blog
Lo que pienso y cómo trabajo
Machine learning, deep learning, modelos en local y agentes de IA, contados desde lo que he puesto en producción. Sin humo y con enlace al código cuando lo hay.
Blog
Machine learning, deep learning, modelos en local y agentes de IA, contados desde lo que he puesto en producción. Sin humo y con enlace al código cuando lo hay.
AWS lleva su nube al portátil, Railway pierde claves de IA y BigQuery pone límitesEmulador local de AWS hecho por agentes, el robo de claves de IA en Railway con 740.000 dólares en cargos y BigQuery con linaje y límites por proyecto.
Agentes que arreglan tuberías, caché entre nubes y lo que cuesta no hablar inglésSnowflake lanza agentes que proponen arreglos de tuberías, BigQuery cachea datos entre nubes y un estudio mide cuánta energía extra gasta la IA fuera del inglés.
Spark en tiempo real sin Flink, Mistral Large 4 abierto y BigQuery con GitDatabricks saca de beta el modo en tiempo real de Spark, Mistral libera los pesos de Large 4 y BigQuery integra Git. Lo que cambia y lo que todavía no me creo.
DuckDB 2.0 ya hace de servidor, PyTorch llega a las TPU y la revisión de código frenaDuckDB 2.0 estrena modo servidor, Google y Meta abren TorchTPU y un estudio de 718 empresas muestra que los agentes de IA trasladan el atasco a la revisión de código.
Transacciones en Databricks, Meta abre Muse Spark y el regulador británico aprietaTres noticias de la semana: transacciones multisentencia en Databricks, el modelo abierto Muse Spark Open de Meta y la revisión de la CMA sobre cambiar de nube.
Migrar de EKS a GKE con un agente, Spark que derrocha y PyTorch 2.15 a pruebaEsta semana: el agente de Google para migrar de EKS a GKE, el 31 % de ahorro en Spark que cuenta Salesforce y la candidata de PyTorch 2.15. Mi lectura práctica.
Lo que pienso de la IA este otoño: España, Europa y Silicon ValleyMi lectura personal de seis noticias de inteligencia artificial: pymes que no la usan, gigafactorías, el reglamento europeo aplazado, laboratorios que salen a bolsa y modelos capaces de atacar.
Cómo trabajo con agentes de IA: ellos escriben, yo decidoMi forma de trabajar con agentes que programan: especificación antes del código, pruebas de extremo a extremo, despliegue con puerta de salud y registro de cada hora.
Accuracy no es una métrica: cómo leo un modelo de clasificaciónCon datos desbalanceados, la accuracy engaña. Así comparo modelos de machine learning: mismo preprocesado, modelo base, classification_report y matriz de confusión.
Deep learning de principio a fin: lo que aprendí entrenando mis propias redesRedes convolucionales para caras y emociones, ResNet con transferencia de aprendizaje, aprendizaje por refuerzo y redes de grafos sobre bases de datos. Lo que me enseñó cada proyecto.
RAG y modelos en local: cuándo merece la pena no depender de una APIQué he aprendido montando RAG con Qdrant, pgvector y LangGraph y sirviendo modelos de lenguaje en mi propio servidor. Cuándo compensa el modelo local y cuándo no.