🔥Últimos cupos🔥 para la cohorte de Full Stack que comienza el 7/09 → Aplica ahora
288 artículos

Hay un momento muy concreto en el que alguien deja de "estudiar" Machine Learning y empieza a hacerlo: cuando entrena su primer modelo y lo ve predecir algo, aunque sea sobre datos simples. Ese momento no requiere semanas de matemática avanzada. Requiere Python, una librería llamada scikit-learn y entender un flujo de cinco pasos que se repite en la enorme mayoría de los proyectos de Machine Learning. En esta nota te explicamos, paso a paso, cómo construir tu primer modelo desde cero. Qué es

Un equipo quiere que su modelo de IA responda con datos actualizados de la empresa, y decide entrenarlo de nuevo con esa información. Semanas de trabajo y mucho presupuesto después, el modelo sigue sin poder citar el precio de ayer, porque nadie reentrena un modelo todas las semanas. Ese error —usar fine-tuning para resolver un problema de conocimiento— es uno de los más caros y más comunes en proyectos de IA. En esta nota te explicamos qué resuelve cada técnica, cuándo conviene cada una y, sobr

Tu aplicación funciona perfecto en tu computadora. La subes a producción y, media hora después, se rompe: una función esperaba un número y recibió un texto. El error estuvo ahí desde el principio, pero JavaScript no tenía forma de avisarte hasta que fue tarde. Ese es, exactamente, el problema que TypeScript vino a resolver. En esta nota te explicamos qué es, qué cambia en tu día a día como desarrollador y por qué hoy es una de las habilidades que más piden las empresas. Qué es TypeScript TypeS

Cada vez que alguien compara Make y n8n termina en la misma pregunta: ¿cuál es mejor? Y esa es, justamente, la pregunta equivocada. Las dos son excelentes, las dos conectan tus aplicaciones y las dos te ahorran horas de trabajo repetitivo. La diferencia real no está en cuál gana una tabla de features, sino en cuál encaja mejor con lo que tú quieres hacer. En esta nota te explicamos cómo tomar esa decisión según tu objetivo, tu presupuesto y hasta dónde quieras llegar con la IA. Make y n8n son p

Las dos carreras suenan parecidas, las dos prometen trabajar con inteligencia artificial y las dos apuntan a un mercado que contrata. Pero eligen caminos distintos: una construye el producto completo que usa la IA, la otra construye los sistemas de IA que van dentro del producto. En esta nota te explicamos qué hace realmente cada perfil, en qué se diferencian su día a día y cuál te conviene elegir según tu punto de partida. Qué hace cada perfil Un desarrollador Full Stack AI construye aplicaci

Un chatbot responde una pregunta y se detiene. Un agente de IA, en cambio, puede razonar, decidir usar una herramienta, ver el resultado y seguir hasta resolver una tarea completa. Ese salto —de responder a actuar— es una de las habilidades más buscadas hoy en AI Engineering, y LangGraph es uno de los frameworks que lo hace posible. En esta nota te explicamos, paso a paso, cómo crear tu primer agente de IA con LangGraph en Python, desde qué es un agente hasta cómo ejecutarlo. Qué es un agente d

Sumarle a una aplicación web una función inteligente —un asistente, un resumidor, un clasificador— dejó de ser terreno exclusivo de especialistas en IA. Con la API de OpenAI, cualquier desarrollador Full Stack puede hacerlo. El desafío real no es "llamar al modelo": es hacerlo con la arquitectura correcta, sin exponer tu clave y sin romper la experiencia de usuario. En esta nota te explicamos cómo integrar la API de OpenAI en una app con React y Node.js, paso a paso y con código listo para usar.

Armar el mismo reporte todas las semanas —copiar datos de una planilla, resumirlos, darles formato y enviarlos por correo— es de esas tareas que consumen horas y no dejan nada nuevo aprendido. La buena noticia es que se puede delegar por completo a un flujo automático que corre solo. En esta nota te contamos cómo construir, paso a paso, una automatización que toma tus datos, redacta el reporte con ChatGPT y lo entrega sin que toques nada, usando n8n como orquestador. Qué es n8n y por qué combin

La forma en que se consigue un primer empleo en datos cambió, y muchos aspirantes todavía no lo notaron. Cada vez menos reclutadores leen un CV con cursos completados; cada vez más abren directamente el GitHub del candidato para ver qué construyó. En ese contexto, el portfolio dejó de ser un complemento y se convirtió en el filtro que decide quién pasa a la entrevista. En esta nota te explicamos por qué ocurrió ese cambio, qué espera hoy el mercado de un portfolio de Data Science junior y cómo

Cuando alguien revisa ofertas de trabajo tech en Argentina y LATAM, algo llama la atención: hay habilidades que aparecen una y otra vez, independientemente de si la búsqueda es de un AI Engineer, un Data Scientist, un desarrollador Full Stack o un especialista en automatización. No son habilidades de nicho ni exclusivas de una especialidad: son la base que el mercado da por sentada antes de evaluar cualquier otra cosa. Esta nota las recorre una por una, con foco en lo que efectivamente se pide e

El título "AI Engineer" aparece cada vez más en LinkedIn, en ofertas de trabajo y en conversaciones sobre tecnología. Pero entre la descripción del rol y lo que pasa realmente dentro de un proyecto hay una brecha que vale la pena cerrar. Este artículo no describe el rol en abstracto: describe lo que un AI Engineer hace concretamente, proyecto a proyecto, decisión a decisión, en el tipo de contexto laboral al que puede acceder desde Argentina y Latinoamérica. Qué es un AI Engineer (y qué no es)

Tenemos un nuevo motivo para celebrar y compartir con toda la comunidad: Course Report acaba de publicar su ranking "The 24 Best Online Bootcamps of 2026 [https://www.coursereport.com/best-online-bootcamps]" y Henry quedó en el puesto número 3 del mundo. Sí, leíste bien. No de Latinoamérica. Del mundo🌎 Este reconocimiento se basa en una calificación promedio de 4.7 estrellas sobre 5. Y en un ranking que evalúa 24 bootcamps de todo el mundo y que se actualiza de forma continua, llegar al podio