GalisLab 💻📊

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

Si estás empezando en el mundo Data, IA o desarrollo en general, tienes que leer esto 👇🏻 No hagas ni p*** caso a lo que te digan los gurús de internet. No vas tarde. No estás perdiendo tu tiempo. No te van a reemplazar. Si has empezado ahora en DAM, DAW, un máster o un bootcamp, has hecho lo correcto. Este sector está en constante crecimiento y lo que estamos viviendo no es ninguna burbuja, es una evolución. Y gente como tú, hará falta en el futuro. También quiero serte sincero... hay muchísima competencia. Este no es un sector de fácil entrada y ya tener la vida resuelta. Te lo tienes que currar. Proyectos personales, creación de contenido, prácticas, networking... lo que sea, pero muévete y sé proactivo. Merece la pena el esfuerzo.

Data Scientist y AI Engineer no son el mismo rol. Y lo digo porque últimamente parece que cualquier cosa relacionada con IA es lo mismo. → Si disfrutas sacando patrones de los datos, haciendo experimentos y construyendo modelos, probablemente te guste más Data Science. → Si lo que te engancha es montar aplicaciones con LLMs, RAG, agentes y llevar todo eso a producción, estás mucho más cerca de AI Engineering. Creo que ambos perfiles tienen bastante futuro, y la elección es una cuestión de gustos. Yo cada vez veo más valor en saber un poco de los dos.

Subo una oferta de trabajo 100% remoto con salario de hasta 52k y me dicen que es una mierda. La burbuja de X es brutal, aquí todo el mundo cobra de 100k para arriba. A más de uno le hace falta un reality check del mercado.

📣 Oferta de AI Engineer 👇🏻 → 46k-52k € → 100% remoto (España) ¿Que piden? → 6-7 años experiencia en roles similares (Data Engineer, Arquitect, etc.) → Conocimientos IA Gen → Python, LLM, LangChain, RAG → Inglés ¿Te interesa? 👉🏻 Comenta “INFO” y te cuento!

Conseguir buenos datos es la piedra angular de cualquier proyecto de Data. LLM Scraper te permite extraer datos estructurados de cualquier página web utilizando gran variedad de LLMs. → GPT, Gemini, Sonnet, Qwen o Llama para el scraping de datos. 🔗 buff.ly/XXqX9BH

Creador de CVs open source, gratis y listo para ATS. Plantillas premium, compatible con ATS, vista previa en tiempo real y descarga en PDF. → No necesitas cuenta ni registrarte → Todo en local si lo prefieres → Más 42k estrellas en GitHub 🔗 buff.ly/nJGGsbD

Si trabajas en Ciencia de Datos, estás aprendiendo Machine Learning o preparándote para una entrevista… Tienes que guardar estos 10 recursos gratuitos 👇 1. Regresión lineal La base del Machine Learning. Aprende cómo los modelos se ajustan a los datos y cómo funcionan la función de pérdida y el descenso de gradiente. 🔗 buff.ly/dQLFY1o 2. Regresión logística Las matemáticas detrás de las predicciones binarias. Sigmoide, log loss y por qué la regularización es importante. 🔗 buff.ly/CBZgNXN 3. Clasificación Accuracy, precisión, recall, ROC/AUC. Las métricas que tendrás que defender en prácticamente cualquier entrevista. 🔗 buff.ly/IiONwok 4. Datos numéricos Normalización, discretización (binning) y esas pequeñas decisiones de ingeniería de variables que pueden cambiar tu modelo. 🔗 buff.ly/w4LhjDk 5. Datos categóricos One-hot encoding, combinaciones de variables (feature crosses) y las trampas que pueden hacer que las variables categóricas fallen. 🔗 buff.ly/DbvMs4h 6. Overfitting (sobreajuste) Por qué tu modelo puede funcionar genial con los datos de entrenamiento y venirse abajo en producción. Y cómo detectarlo a tiempo. 🔗 buff.ly/c6MZrQt 7. Redes neuronales Nodos, capas ocultas, funciones de activación y backpropagation. La intuición detrás de todo ello, no solo las ecuaciones. 🔗 buff.ly/N9sB1zP 8. Sistemas de Machine Learning en producción Entrenamiento estático vs. dinámico, pruebas de despliegue y monitorización. Lo que viene después de model fit(). 🔗 buff.ly/OTX435G 9. AutoML Cuándo es útil, cuándo puede ocultar malas decisiones y qué trade-offs debes conocer antes de utilizarlo. 🔗 buff.ly/n7CxzTU 10. Fairness en Machine Learning Detección de sesgos, paridad demográfica y fairness contrafactual. No es opcional cuando tu modelo tiene impacto sobre personas reales. 🔗 buff.ly/rMXfQX7

Hoy un amigo me ha hablado de un nuevo concepto: “Teletrabajo desde la oficina” He flipado. Va a la oficina a calentar la silla. Cascos puestos y reuniones con gente de otras ciudades todo el día. 0 reuniones presenciales. Se ha quejado a su superior para poder trabajar en remoto y le dicen que trabajar desde casa no genera cultura de empresa. Mi amigo ya está buscando salida 😅

Lo normalizado que está trabajar apoyándote en la IA y lo mal que se ve cuando dices que sabes algo porque le has preguntado a la IA. Por ejemplo: + ¿Por qué has tomado esta decisión? - Me lo dijo Gemini/Claude/Grok + ¡Despedido! Es un secreto a voces que todo el mundo usa la IA para avanzar en el trabajo pero siempre se le intenta dar la vuelta para que no lo parezca. Es como hacer macarrones de paquete y decir que tus has hecho la pasta. La pasta fresca puede estar mejor, pero tardas 10 veces más en cocinar. Saber usa la IA e integrarla en tu día a día es una ventaja, y fingir que no lo usas te hace quedar peor.

Le he contado el proyecto en el que estoy trabajando a una amiga y me ha dicho preguntado sorprendida si todavía se sigue usando el ML clásico. Ella pensaba que ya todo se resolvía con Agentes e IAGen. Aunque no lo parezca, los algoritmos, modelos estadísticos, gradientes, arboles de decisión, etc. sigue siendo un estándar en el mundo del dato (y el business). Montarte un agente para resolver un problema clásico de forecast de demanda es matar moscas a cañonazos (además que lo que sigue habiendo por detrás es un algoritmo de ML) Si te estás planteando entrar en Data y solo lees que la IAGen lo va a sustituir todo, dejame darte un consejo: → Aléjate del ruido. Pon el foco en formarte y analiza el mercado para enterarte de lo que piden las empresas. No hagas casos a los devfluencers y gurús de la IA. Haz caso a profesionales del sector.

Ser junior puede ser una mierda. No te lo niego. Pero llegará un momento en que dejes de serlo. En ese momento tendrás responsabilidades, no tendrás a nadie por encima que de la cara por ti, te comerás los marrones tu solo, las reuniones ocuparan tu jornada laboral y no tendrás tiempo para "trabajar". Disfruta de esa etapa y no la quemes. No tengas prisa y aprende desde la tranquilidad de poder equivocarte. Cuando tus fallos supongan perdidas económicas en tu empresa, es cuando echarás de menos ser un junior más.

📣 ¡Si eres AI Engineer y buscas trabajo, sigue leyendo! → Forward Deployed AI Engineer → Up to 82K € El nombre del rol está muy guapo, pero lo que hacen aun más. Si llevas LLMs o Agentes de IA a producción, te puede interesar la posición que te dejo justo aquí 👇🏻

Menos mal que ahora las empresas están obligadas a poner el rango salarial en las ofertas.

Cuando descubres OpenCode no quieres otra cosa 🤩

Nunca me había atrevido a hacer una entrevista de trabajo en inglés 🇬🇧 Ahora sí. Y además las supero. Conocí a mi actual profesor y me contó todos sus secretos 👇🏻

Quiero comprar un piso antes de final de año y no se si es lo correcto 😰 Llevo +2 años de un lado para otro, y me encanta descubrir el mundo trabajando en remoto. Y así seguirá siendo. Pero echo en falta un sitio al que volver y tener mis cosas. Mi vida lleva 2 años en cajas en un trastero y vivo con lo que cabe en una maleta. Es por eso que quiero comprar un piso. Hay liquidez. ¿El problema? Quiero vivir en Sevilla, donde el precio de la vivienda no para de subir 📈 ¿El precio bajará a corto/medio plazo o seguirá subiendo? 🔮 No busco rentabilidad porque es para vivir. Pero tampoco estoy dispuesto a pagar 300.000€ por 60m2.

Fin de una etapa y quiero dejaros una reflexión 👇🏻 Hoy ha sido mi último día en la empresa en la que he estado los últimos 3 años. Sentimientos encontrados. He crecido muchísimo y ha sido la empresa que me ha permitido trabajar por el mundo. Pero a la vez siento alegría porque llevaba unos meses estancado y el rumbo de la empresa no era el mejor. Si estás en una situación parecida, no tengas miedo a saltar del barco antes de que se hunda. No seas como la banda del Titanic. He recibido críticas por irme ahora que las cosas no van bien. Pero, ¿la empresa mira por ti cuando no te van las cosas bien? Si te pasa algo, al día siguiente tu puesto está cubierto y tu nombre queda en el olvido. Tengo claro que cambiaré de empresa las veces que haga falta, siempre que me sirva para mejorar en lo personal y profesional. Y que no voy a dejar que mi futuro dependa de la estabilidad de algo que no es mio.

😨 La semana que viene empiezo en mi nueva empresa y estoy acojonado. Da igual los años que lleve trabajando, o que me haya cambiado de empresa 4 veces. Los nervios, el miedo y la incertidumbre siempre estarán ahí. Cara nuevas, retos nuevos, expectativas sobre ti… no saber lo que te vas a encontrar es horrible. Pero ojo, también está la otra parte: Me encanta volver a tener esos nervios. Hacía tiempo que no sentía motivación por el trabajo, y el hecho de entrar en un nuevo proyecto, demostrar mi experiencia y ganarme al equipo, vence al miedo. 👉🏻 Cuando entras en una nueva empresa, los primeros meses son clave. Exista o no un periodo de prueba, esa primera impresión puede determinar tu rumbo a largo plazo. 📝 Estos consejos me los dio un antiguo jefe, y tengo que darle la razón en cada uno de ellos. Apunta ⬇️ → Se proactivo. → Hazte notar, no vayas de low profile. → Aporta valor y soluciones. → No te quedes callado en las reuniones. → Conoce a tus compañeros, tómate un café (virtual) con cada uno de ellos. → Pregunta mucho, que no te de vergüenza. Yo te los comparto por si alguna vez pasas por esa misma situación. 🍀 Espero que te sirvan, a mi siempre me han funcionado.