GalisLab 💻📊

🎉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👇

🙋🏻‍♂️ Compis de FinX que se han comprado una vivienda con hipoteca👇🏻 ¿Cómo la tenéis en cuenta en vuestra gestión de patrimonio? ¿Sumáis la parte amortizada, el total, la deuda?

Hoy me ha salido en otra red un gurú de la IA que dice estar “entrenando su propio agente de IA para crear videos” Y oh sorpresa, lo pondrá a la venta por un módico precio. Entrenar. Un agente. En un macbook. Ah, ese gurú de la IA antes era gurú de finanzas. No saben qué hacer para estafar a la gente.

Llevo varias semanas probando Github Copilot y Opencode. Y la combinación de ambas es la clave. Uso los modelos de copilot desde opencode y así puedo aprovechar la libertad de personalización y configuración que no tiene Github Copilot. Si te da igual perder algo de experiencia de usuario y estás acostumbrado a trabajar desde la terminal, vas a notar un gran cambio.

El nuevo "tengo tierras":

¿Sabes lo que es el Data Leakage? Es el error que hace que tu modelo parezca la hostia hasta que llega a producción. Un modelo con 98 % de accuracy en validación y un desastre en el mundo real. Básicamente, es cuando el modelo accede, sin que te des cuenta, a información que no tendría en el momento de predecir. 🟢 Para empezar Imagina un examen en el que alguien te filtra las respuestas. Sacas un 10, pero no has aprendido nada. Ejemplos típicos: Normalizar o imputar con todo el dataset antes de dividir en train/test. Incluir una variable que solo se conoce después del evento (p. ej., «días de impago» para predecir si habrá impago). Duplicados que caen a la vez en train y test. Regla de oro: divide primero, transforma después, ajustando los transformadores solo con train (usa Pipeline). 🔴 Para perfiles avanzados Leakage temporal: en series o datos con orden, un split aleatorio mezcla futuro y pasado → Usa validación walk-forward o TimeSeriesSplit. Leakage por grupo: si el mismo paciente, usuario o cliente aparece en train y test, el modelo memoriza identidades → Usa GroupKFold. Leakage en feature engineering: target encoding sin validación anidada, agregaciones que incluyen la fila actual o el futuro. Leakage en la selección de hiperparámetros: si ajustas sobre el mismo test, lo conviertes en validación. → Necesitas un holdout final intocable. Señal de alarma: una feature con importancia desproporcionada o métricas «demasiado buenas». 🎯 Cómo detectarlo: pregúntate para cada variable → ¿tendría este dato en el instante real de predicción?. Si la respuesta es no, fuera.

¿Qué opinión tenéis de Agap2 como consultora? Me están llegando varias ofertas de trabajo de juniors y seniors y quiero saber si es un buen sitio como para compartirlas y que apliquéis.

Estos días están siendo un caos, con todo esto de la compra del piso, hipoteca, reforma... no le estoy dedicando el tiempo que me gustaría a X. Esta semana quiero retomar y seguir compartiendo contenido sobre IA, Ciencia de Datos, ofertas de trabajo y el mundo Dev en general. Quedaos por aquí si estáis empezando en este mundillo que pronto habrá cosas muy interesantes para vosotros 🙂

📣 Nueva oferta de AI Engineer! Disclaimer: El salario no es el más atractivo del mundo, pero por si a alguien le interesa liderar proyectos de IA y ganar experiencia👇🏻 Se pide: → Conocimientos de IA (LLMs) → RAG → Python → LangChain, LangGraph → Conocimiento de negocio Condiciones: → Híbrido en Sevilla → 37K € 👉🏻 Si te interesa, comenta “INFO” y te escribo.

Algún día habrá que abrir el melón de los falsos recruiters de X y LinkedIn que se inventan ofertas muy jugosas para obtener seguidores, correos y CVs de personas.

Expertos en hipotecas: Mixta 10 años: → Tramo fijo: 2.00% → Tramo var.: Euribor + 0.45 Vinculación de nómina + seguro hogar. Sabiendo que puedo renegociar antes de llegar a la parte variable. ¿Como lo veis? ¿Hay mejores ofertas actualmente? 🤔

Estás desarrollando un proyecto de ML y tienes que ponerlo en producción. No puedes jugártela y subirlo sin más. Necesitas tests 🧪 Te cuento todo lo que tienes que probar antes de que tu modelo funcione en un entorno real 👇🏻 1️⃣ Tests de datos ¿Los datos tienen el formato esperado? ¿Hay nulos donde no debería haberlos? ¿Han cambiado las columnas? Un modelo puede estar perfectamente entrenado y dar predicciones absurdas porque alguien ha cambiado el formato de una variable. 2️⃣ Tests de features Comprueba que el cálculo de las variables es correcto. Y ojo con algo importante: las features que generas durante el entrenamiento deben calcularse igual en producción. 3️⃣ Tests del modelo Aquí sí, toca comprobar el rendimiento. ¿Supera al baseline? ¿Mantiene unas métricas mínimas? ¿Funciona bien en distintos segmentos? ¿Sigue rindiendo igual con datos nuevos? 4️⃣ Tests del pipeline Desde que entran los datos hasta que se genera una predicción, todo debe funcionar correctamente. Carga de datos, transformaciones, inferencia y escritura de resultados. Si falla un paso, puede fallar todo el proceso. 5️⃣ Tests de integración Comprueba que las distintas piezas funcionan juntas: modelo, API, base de datos, servicios externos… 6️⃣ Tests de regresión Has cambiado una transformación o actualizado una dependencia. ¿Cómo sabes que no te has cargado algo que antes funcionaba? 🎯 El objetivo de un proyecto de Data o IA es diferente que uno de software genérico. Además de comprobar que el código tira, tienes que comprobar los datos en cada iteración. Los datos del mundo están en constante cambio y tu modelo tiene que estar preparado para ello.

Mejores empresas para trabajar en España en 2026 👇🏻 ¿Estáis de acuerdo? ¿Creéis que alguna ha pagado para estar en las posiciones de arriba? Pd: Yo con la 7 he escupido el café

No te conformes con un trabajo de mierda. Que si, que el mercado está jodido y bla bla bla. Pero se puede disfrutar del trabajo y de tu empresa. Por llevarle la contraria a la camiseta, la vida es muy LARGA para tener un shitty job. ¿No es mejor buscar un sitio que nos haga la vida un poquito más fácil? Empecé trabajando en una empresa muy casposa, nada flexibles, presencialidad inútil, ambiente malísimo, micromanagement… Me cambié, con miedo, pero me negaba a perder mi vida ahí. Encontré algo 100% remoto, estaba medio contento, buen equipo pero la gestión y proyectos, terrible. ¿Merecía la pena cambiarme? Seguía sin estar cómodo. Había miedo, pero me lancé a la piscina, esta vez más exquisito y exigente. Conocí muchas empresas y ahora puedo decir que (creo) que he encontrado mi sitio. Buen ambiente, remoto, flexibilidad, trabajar con cracks, proyectos muy interesantes… No vas a encontrar el sitio de tus sueños de primeras, así que no tengas miedo a cambiarte y probar otros sitios. 👉🏻 Si no sabes donde buscar, siempre puedes seguirme y estar atento a las ofertas que comparto. Btw: Camisetón de la Fredcon ‘26 🍄

Que dice Jose que el año que viene la IA nos sustituye a los devs. Id desempolvando el CV insensatos

El otro día tuve una discusión con un colega sobre salarios en el sector tech, os cuento: Él lleva trabajando como desarrollador 2 años y su novia en otro sector lleva 5. Cobra 30K y su novia 28K. Aún así él se queja de que está cobrando poco, que debería de cobrar más. Le digo que se baje de la nube, que lleva 2 años en el mercado laboral y ya cobra más que la novia. No está de acuerdo y me dice que los desarrolladores deberíamos de cobrar aún más por todo lo que aportamos y la complejidad de nuestro trabajo. Le vuelvo a decir que los del sector IT somos unos privilegiados y que vivimos en una burbuja salarial para como está la cosa. Creo que ya se dará cuenta con el tiempo que para llevar 2 años, cobrar 30K está muy por encima de la media, pero no deja de sorprenderme lo alejado de la realidad que están algunas personas dentro de este sector. ¿Estáis de acuerdo conmigo o con él?