1 00:00:07,860 --> 00:00:10,100 Buenas tardes, Marta. ¿Cómo estás? 2 00:00:11,000 --> 00:00:16,120 Hola, buenas tardes. Un placer estar aquí tomando un café de media tarde. 3 00:00:16,340 --> 00:00:18,740 Un café de bases de datos. 4 00:00:19,280 --> 00:00:26,400 Es un placer tenerte y además vienes como me 5 00:00:26,400 --> 00:00:34,080 estabas diciendo, ¿no? Es decir, vengo tal cual, a charlar sin ninguna información previa. 6 00:00:36,360 --> 00:00:40,640 A mí me han dicho vamos a charlar y a tomar un café y he dicho me preparo un café y voy 7 00:00:40,680 --> 00:00:45,800 a charlar es así vengo tal cual que bien que bien que bien pues te presento un poquito 8 00:00:45,800 --> 00:00:53,260 tú llevas en la comunidad de datos ninja vale de la cual soy un orgulloso alumno 9 00:00:53,260 --> 00:01:00,240 y seguidor sensei de tus de tus enseñanzas y bueno y una de las cosas que quería tomar 10 00:01:00,240 --> 00:01:04,660 un café contigo es para charlar todo del del Big Data, de Data Warehouse, de Machine 11 00:01:04,700 --> 00:01:09,860 Learning, de IA, que me cuentes cosas, que ya está, que te tomes un café conmigo y que 12 00:01:09,860 --> 00:01:16,900 nos contemos. Que justo acabas de publicar un vídeo sobre Cloud 13 00:01:16,900 --> 00:01:19,860 Code. Sí, estoy a tope con Cloud Code. 14 00:01:20,220 --> 00:01:24,200 O sea, fíjate que a mí no me gusta nada el hype, o sea, de hecho lo digo al principio 15 00:01:24,240 --> 00:01:28,360 de todos los episodios del podcast, porque la inteligencia artificial tiene el hype muy 16 00:01:28,400 --> 00:01:34,220 subido y con cloud code lo he estado probando he estado jugando con él y hace unas cosas 17 00:01:34,220 --> 00:01:39,620 tan geniales que incluso me está dando algo de hype o sea que no tengo más entonces si 18 00:01:39,620 --> 00:01:45,640 acabo de subir un vídeo un tutorial que espero que sea útil pues para la gente que no 19 00:01:45,640 --> 00:01:50,640 lo ha tocado nunca y quiere empezar a cacharrear un poquillo porque se pueden hacer cosas 20 00:01:50,640 --> 00:01:57,640 súper chulas súper chulas yo había probado anti gravity y también muy 21 00:01:57,640 --> 00:02:03,200 muy de ese estilo porque he visto el vídeo y me ha parecido que estaba muy muy en línea 22 00:02:03,200 --> 00:02:10,280 anti gravity pues al final todos los grandes proveedores 23 00:02:10,280 --> 00:02:15,400 van un poco en paralelo a veces se adelantan unos a A veces se adelantan otros, pero 24 00:02:15,400 --> 00:02:21,960 los que podríamos llamar las grandes empresas que están detrás de los modelos de lenguaje, 25 00:02:22,020 --> 00:02:29,300 que podría ser Anthropic con Cloud, luego está Gemini de Google y OpenAI 26 00:02:29,300 --> 00:02:34,360 con ChatGPT. Al final siempre van un poco más adelante y un poco más atrás, pero siempre 27 00:02:34,360 --> 00:02:41,600 tienen además las mismas líneas y una de ellas es la generación de código con agentes 28 00:02:41,600 --> 00:02:43,180 y con Modelos de lenguaje. 29 00:02:43,180 --> 00:02:48,940 Entonces, pues tienes Cloud Code o tienes Anti -Gravity de Google y además es que, en 30 00:02:48,940 --> 00:02:54,540 cierta manera, también ellas entre sí van creando estándares para que tú puedas utilizar 31 00:02:54,540 --> 00:03:01,860 las herramientas de uno en otro sitio y poder potenciar el desarrollo 32 00:03:01,860 --> 00:03:06,590 de software con esto. Además, parecía que eran bastante similares, ¿no? 33 00:03:06,870 --> 00:03:08,930 Sí, sí, son súper similares, súper. 34 00:03:08,930 --> 00:03:16,690 La interfaz me ha parecido muy bastante al Gemini en línea de comandos y todo integrado 35 00:03:16,690 --> 00:03:18,579 con Visual Studio Code como muy... 36 00:03:19,150 --> 00:03:22,670 Claro, al final tienes que llevar la tecnología y el modelo de lenguaje donde vive el 37 00:03:22,710 --> 00:03:27,230 desarrollador, que es en Visual Studio Code y en el terminal. 38 00:03:27,450 --> 00:03:32,170 O sea que siempre al final tienen un poco el mismo look and feel todos y la tecnología 39 00:03:32,210 --> 00:03:38,610 pues va por detrás. Y ahora, en estos niveles en los que estamos hoy, en 2026, los modelos 40 00:03:38,610 --> 00:03:41,930 de lenguaje son similares unos con otros. 41 00:03:41,990 --> 00:03:47,190 Al final, también llega a ser hasta el punto de elijo uno porque tengo una preferencia 42 00:03:47,190 --> 00:03:51,070 personal por ese, pero igual el mes que viene de repente prefiero otro. 43 00:03:51,110 --> 00:03:53,150 Entonces, va un poco por ahí. 44 00:03:53,870 --> 00:03:58,590 Bueno, fíjate que a lo mejor esto en base de datos, las diferencias entre bases de datos 45 00:03:58,630 --> 00:04:01,230 son como muy considerables, ¿no? 46 00:04:01,370 --> 00:04:05,410 Es decir, la gente, te voy a estar leyendo también un poquito mi terreno para hacer un 47 00:04:05,450 --> 00:04:07,110 poco mezcla, Hablemos sí a mezclando. 48 00:04:07,150 --> 00:04:10,230 Así aprendo yo también. Sí, sí, sí. 49 00:04:10,310 --> 00:04:15,410 Pues mira, por ejemplo, Oracle es como el producto supercaro que tiene un coste de licencia 50 00:04:15,410 --> 00:04:20,110 tremendo, pero que es la base de datos para entornos de alta disponibilidad, con superservidores 51 00:04:20,150 --> 00:04:26,630 y todo eso. Y luego en la lista de Deben Jeans, donde se publican las bases de datos 52 00:04:26,630 --> 00:04:30,830 con mayor puntuación de favoritos y tal, pues te encuentras ahí Aposgres, que es una 53 00:04:30,870 --> 00:04:36,390 de código abierto, MySQL y el Fork de MariaDB. 54 00:04:36,390 --> 00:04:40,910 Y luego te encuentras a lo mejor otras cosas como mongo debe que es documental y como 55 00:04:40,950 --> 00:04:46,590 que la elección de la base datos no salgo así como el hijo está porque me siento más 56 00:04:46,590 --> 00:04:50,710 cómodo trabajando con él o sea hay decisiones como muy de calado de infraestructura de 57 00:04:50,750 --> 00:04:57,210 funcionalidades de todo tú crees que las sillas y todas estas como el pescatero de arriba 58 00:04:57,210 --> 00:05:04,170 sabe lo que está haciendo en el pescatero de abajo y van como muy a la par y que se copian 59 00:05:04,170 --> 00:05:09,170 o va a haber un momento en el que se empiecen a diferenciar y digan, no, no, yo voy a 60 00:05:09,170 --> 00:05:11,059 seguir una tendencia muy distinta. 61 00:05:11,110 --> 00:05:17,770 Sí que se dice que, por ejemplo, Anthropic ha elegido como dirigirse más al público empresarial, 62 00:05:17,790 --> 00:05:22,170 entonces como que su producto va dirigido más a empresas, tiene un precio más alto, luego 63 00:05:22,210 --> 00:05:29,390 Chad GPT ha ido como más a llegar a meterse en El bolsillo de todo el mundo con 64 00:05:29,390 --> 00:05:35,850 chat GPT gratuito, está apostando también por el modelo de negocio basado en publicidad, 65 00:05:36,010 --> 00:05:41,910 entonces están probando también, están haciendo sus, a ver dónde me coloco, y luego Google 66 00:05:41,910 --> 00:05:47,070 pues al final como es tan grande y ya tiene su entorno de workspace y tal, pues juega 67 00:05:47,070 --> 00:05:54,170 un poco con esa ventaja, Pero vamos, que sí, que al final en este tipo de cosas de a 68 00:05:54,170 --> 00:06:01,150 ver qué está haciendo el vecino y luego voy a ver si lo puedo hacer yo antes, juegan 69 00:06:01,150 --> 00:06:03,390 mucho con eso también estas empresas. 70 00:06:04,130 --> 00:06:33,490 ¡Qué bueno, qué bueno! De 71 00:06:33,490 --> 00:06:35,657 hacer nosotros, debemos hacer nosotros. 72 00:06:35,890 --> 00:06:36,530 Eso es un buen melón, ¿eh? 73 00:06:36,570 --> 00:06:40,870 ¿Qué te parece? Estás abriendo aquí un buen melón a las 6 y 10 de la tarde. 74 00:06:41,190 --> 00:06:44,857 ¿Qué te parece? El tema de la ética de la inteligencia artificial. 75 00:06:46,330 --> 00:06:50,330 Además, eso es un debate que trae mucho calado. 76 00:06:50,390 --> 00:06:56,990 Lo del tema de la ética, de cómo utilizar la inteligencia artificial, 77 00:06:58,310 --> 00:07:02,650 Hasta dónde utilizarla, y luego tienes el tema de ¿La regulamos? 78 00:07:02,690 --> 00:07:06,890 ¿No la regulamos? Luego está ahí la gente que dice, porque claro, por ejemplo, en Europa 79 00:07:06,930 --> 00:07:11,750 está todo el tema de la regulación de la inteligencia artificial, eso sí o no, porque 80 00:07:11,750 --> 00:07:16,430 luego la gente dice, nos estamos quedando atrás porque tenemos demasiada regulación. 81 00:07:16,650 --> 00:07:22,990 Entonces, ojo, porque ese es un tema muy peliagudo, el tema de cómo vamos a aplicar esto 82 00:07:22,990 --> 00:07:26,950 bien. Tenemos un montón de cosas aquí para hablar. 83 00:07:27,230 --> 00:07:30,250 Mira, te voy lanzando cosas, ¿vale? 84 00:07:30,370 --> 00:07:33,350 Y te lanzo y tú me dices opinión. 85 00:07:33,770 --> 00:07:38,810 Una LinkedIn apestando a que todo el mundo publica cosas hechas por ella. 86 00:07:39,830 --> 00:07:46,050 Todos los posts suenan igual, todos están hechos igual, no tienen ni chicha ni sustancia, 87 00:07:46,130 --> 00:07:50,050 pero todo el mundo está como posteando cada día cosas en LinkedIn de qué maravillosos 88 00:07:50,090 --> 00:07:55,550 son. Y de repente le ha dicho, hazme un prompt para publicar en LinkedIn y ala, genéame 89 00:07:55,550 --> 00:07:58,830 ahí cosas. ¿Sabes cuál es el tema de la inteligencia artificial? 90 00:07:58,870 --> 00:08:03,890 Que a todo el mundo le gusta usarla porque le ahorra mucho trabajo, pero en el tema de 91 00:08:03,890 --> 00:08:10,050 generación de contenido a nadie le gusta leer algo escrito por inteligencia artificial. 92 00:08:10,910 --> 00:08:16,350 Porque tú mismo lo dices, tú ves un post de LinkedIn que igual te dice la misma opinión 93 00:08:16,350 --> 00:08:22,290 que tiene esa persona, pero como que lo hace, no sé, como que está escrito De cierta 94 00:08:22,290 --> 00:08:26,670 manera que tú enseguida detectas que es inteligencia artificial y es como pierdes completamente 95 00:08:26,710 --> 00:08:31,290 el interés y eso es muy curioso porque es bastante común la gente en cuanto empieza a 96 00:08:31,330 --> 00:08:36,730 ver un libro generado por inteligencia artificial no me interesa o un cuadro generado 97 00:08:36,730 --> 00:08:43,330 por inteligencia artificial, esto no me interesa entonces es muy curioso ese tema y sí 98 00:08:43,330 --> 00:08:50,450 que es verdad que yo creo que la gracia aquí en el tema de generación de contenido 99 00:08:50,450 --> 00:08:57,650 es que la gente tiene que ayudarse pero no completamente sustituir lo que 100 00:08:57,650 --> 00:09:02,590 hacen con inteligencia artificial porque ayudarnos siempre te puede corregir, siempre 101 00:09:02,590 --> 00:09:08,270 te puede dar ideas y yo soy muy partidaria de utilizarla en esa fase de la escritura 102 00:09:08,270 --> 00:09:14,270 incluso de la creación de cualquier cosa de proyectos de presentaciones de informes que 103 00:09:14,270 --> 00:09:19,710 ayuda a la fase de planificación y de ideas pero luego de tienes que poner algo tuyo 104 00:09:19,710 --> 00:09:25,930 porque si no no aportas nada realmente y al final yo creo que esa es un poco la diferenciación 105 00:09:25,930 --> 00:09:32,450 y luego lo que tú dices de linkedin lleno de ese tipo es el llamado ella y es lo que 106 00:09:32,450 --> 00:09:39,210 no la La cantidad de mierda, si me permites, generada, que al final es como, pues esto 107 00:09:39,210 --> 00:09:41,590 no se lo vale más y esto es pérdida de tiempo. 108 00:09:41,630 --> 00:09:50,450 Sí, la experiencia que tengo es que la IA es muy buena corrigiendo y asesorando 109 00:09:50,450 --> 00:09:58,030 sobre Algo que ya le das, creando desde cero, aunque sea una imagen o algo así, creando 110 00:09:58,030 --> 00:10:05,510 desde cero ahí le falta, yo creo, aún no hemos llegado a ese nivel de humanidad 111 00:10:05,510 --> 00:10:12,710 en la IA. Yo te diría que la gente no lo utiliza como bien, o sea, tú no le puedes decir, 112 00:10:12,790 --> 00:10:17,310 y también depende de cómo le escribas las instrucciones a la inteligencia artificial, 113 00:10:17,350 --> 00:10:23,770 porque igual para escribirle una instrucción, un prompt a un modelo de lenguaje para 114 00:10:23,770 --> 00:10:28,610 que te genere un artículo que para ti tenga sentido, igual le estás escribiendo un prompt 115 00:10:28,650 --> 00:10:32,450 que es más largo que el propio artículo y no te compensa, ¿sabes? 116 00:10:32,450 --> 00:10:39,210 O sea, no vale con decirle, escríbeme un artículo sobre Oracle, no sé, la última noticia 117 00:10:39,210 --> 00:10:41,930 y te quedas tan pancho y le has escrito una línea. 118 00:10:41,970 --> 00:10:44,670 No, le tendrías que escribir muchas cosas más. 119 00:10:44,670 --> 00:10:49,630 Entonces yo soy más partidaria de utilizarla igual para la parte de, igual te puedes 120 00:10:49,630 --> 00:10:53,770 tener un diálogo con ella y decir: A ver, se me han ocurrido estas ideas, mira a ver 121 00:10:53,810 --> 00:11:01,070 qué fortalezas ves, qué debilidades, cómo puedo hacer que esto sea más, pues más, que 122 00:11:01,070 --> 00:11:06,590 llame más la atención o que sea más interesante, o sea, igual te puede ayudar a ver en 123 00:11:06,590 --> 00:11:13,670 esa fase de ideación esas cosas, que esos pequeños detalles que igual tú no ves de primera 124 00:11:13,670 --> 00:11:18,890 si te ayuda a rellenar esos vacíos, pero yo creo que utilizar diciendo En plan de, oye, 125 00:11:18,890 --> 00:11:22,710 generarme un artículo sobre no sé qué, que lo voy a publicar en LinkedIn, y te quedas 126 00:11:22,750 --> 00:11:28,110 tan ancho. Yo creo que es un error y al final lleva, pues, a eso, a tener AI slope en 127 00:11:28,110 --> 00:11:31,930 todo LinkedIn. Bueno, y al final que cuando estamos hablando de LinkedIn, en que todo 128 00:11:31,970 --> 00:11:37,110 es reputacional y va con tu nombre y apellido, pues claro, te estás pegando un tiro en 129 00:11:37,110 --> 00:11:40,832 el pie, ¿no? Parece que estás ganando a lo mejor más audiencia y... 130 00:11:41,130 --> 00:11:44,470 Lo que dices, no es que no ganas la audiencia, porque es que eso se ve a la legua si 131 00:11:44,510 --> 00:11:48,610 un artículo está creado con inteligencia artificial y no le has dado ni media vuelta 132 00:11:48,650 --> 00:11:50,930 para poner un algo tuyo, ¿sabes? 133 00:11:51,880 --> 00:11:55,040 Sí, y te lanzo más cosas, te lanzo más cosas. 134 00:11:55,160 --> 00:11:57,880 He estado probando una AI, una cosa que te había contado. 135 00:11:57,920 --> 00:11:59,300 He estado probando una guía musical. 136 00:11:59,340 --> 00:12:06,360 De hecho, a ver, un pequeño paréntesis y voy a hacer un pequeño viaje, ¿vale? 137 00:12:06,420 --> 00:12:08,520 Un periplo para aterrizarte la idea. 138 00:12:10,120 --> 00:12:15,100 Yo en la mentoría que tengo hay un ejercicio que hago con los alumnos que es preparar 139 00:12:15,100 --> 00:12:16,489 una charla de 12 minutos. 140 00:12:16,760 --> 00:12:23,020 Es un ejercicio muy potente porque tú en 12 minutos tienes que arrancar un tema, desenredarlo, 141 00:12:23,080 --> 00:12:28,460 presentar el obstáculo, la solución, un cierre, una llamada a acción, digamos, en esos 142 00:12:28,460 --> 00:12:34,340 12 minutos. Y yo pues de tanto en tanto hago yo una charla de 12 minutos sobre un tema 143 00:12:34,340 --> 00:12:39,740 que no sea técnico y entonces estuve probando una guía musical, fíjate que vuelta te 144 00:12:39,740 --> 00:12:48,300 estoy dando para decirte que he probado una guía musical para ver si si yo podía grabaciones 145 00:12:48,300 --> 00:12:52,300 que yo tenía cuando tenía el grupillo cuando era joven que tengo grabaciones con la guitarra 146 00:12:52,340 --> 00:12:56,500 si podía hacer remasterización y separar pistas de que estas grabaciones hay grabadas 147 00:12:56,540 --> 00:13:03,500 con cassette o si yo tocando algún tema con una guitarra por ejemplo, le podía añadir 148 00:13:03,500 --> 00:13:11,320 una batería al tiempo que suene como batería una voz y te 149 00:13:11,320 --> 00:13:19,080 digo ha sido flipante Flipante, flipante, o sea, le he dicho, fíjate 150 00:13:19,080 --> 00:13:22,080 lo que hice, grabé una guitarra. 151 00:13:22,720 --> 00:13:26,680 Con un looper grabé una melodía encima de esa base de acordes. 152 00:13:26,680 --> 00:13:30,380 En un tiempo un poco difícil, que es un tiempo de 6 por 8. 153 00:13:30,380 --> 00:13:33,420 No es una canción 4 por 4 típica, sino un ritmo. 154 00:13:33,420 --> 00:13:35,860 Ya busqué un ritmo que fuese un poco especial. 155 00:13:35,900 --> 00:13:40,460 Y le dije, toma esta letra y con la melodía que tocó con la guitarra. 156 00:13:40,460 --> 00:13:45,300 Ponme una voz de mujer. Y es que la voz hasta respira. 157 00:13:45,300 --> 00:13:50,660 Cuando hace cada verso, oyes que coge aire. 158 00:13:51,060 --> 00:13:55,900 Entonces dije, venga, oye, dame una batería en este compás de 6x8, que es 1, 2, 3, 4, 159 00:13:55,960 --> 00:13:59,060 5, 6, 1, 2, 3, 4, 5, y me hizo una batería. 160 00:13:59,080 --> 00:14:03,740 La batería que crezca. Méteme violines y tal. 161 00:14:04,640 --> 00:14:05,940 Ostras, pues te lo pasaré. 162 00:14:05,980 --> 00:14:07,702 Me ha hecho un temazo tremendo. 163 00:14:08,430 --> 00:14:10,630 ¿Y qué modelo es? Es uno. 164 00:14:10,730 --> 00:14:13,710 ¿De aplicación? Es uno, sí, sí, es uno. 165 00:14:13,790 --> 00:14:15,030 Tiene una parte... Ah, vale. 166 00:14:15,070 --> 00:14:17,910 Ok. Y muy interesante. Tiene una parte, digamos, que es más... 167 00:14:17,950 --> 00:14:21,190 Fíjate una cosa muy curiosa que quiero destacar aquí. 168 00:14:21,250 --> 00:14:27,190 Cuando tú me estabas explicando esto de cómo has generado este tema a partir de una base 169 00:14:27,190 --> 00:14:32,830 que tenías de guitarra, fíjate cómo me lo has explicado dándome instrucciones de alguien 170 00:14:32,830 --> 00:14:39,550 que sabe de música. Yo, porque no tengo ni idea de música, no podría haber sacado un 171 00:14:39,550 --> 00:14:43,670 tema como el tuyo porque no le podría haber dado esas instrucciones a la inteligencia 172 00:14:43,710 --> 00:14:45,830 artificial. ¿Te das cuenta de este detalle? 173 00:14:45,870 --> 00:14:49,510 Porque es muy importante también a la hora de generar textos, de generar imágenes. 174 00:14:49,550 --> 00:14:55,990 Cuando sabes de algo puedes ser mucho más específico en lo que quieres generar y cómo 175 00:14:55,990 --> 00:15:02,410 hacerlo y ese es el secreto de tener un resultado mediocre a tener uno bueno, o sea, 176 00:15:02,410 --> 00:15:05,730 si a mí me dices genera un tema de música, pues seguramente sea un churro. 177 00:15:05,770 --> 00:15:13,320 Claro, claro, qué interesante esto, esto nos lleva a que los programadores 178 00:15:13,320 --> 00:15:18,660 juniors, seniors, los administradores, ese debate que decía, si quieres quieres hablar 179 00:15:18,660 --> 00:15:20,440 unos debates y la IA nos va a quitar el trabajo. 180 00:15:20,480 --> 00:15:27,540 Oye, va a hacer falta gente al nivel de poder hablar con la IA de 181 00:15:27,540 --> 00:15:29,100 tú a tú de una tecnología, ¿no? 182 00:15:29,140 --> 00:15:34,380 Es decir, para pedir una arquitectura o para pedir un aplicativo, el vídeo que tú has 183 00:15:34,380 --> 00:15:36,420 hecho de Cloud, yo pienso lo mismo. 184 00:15:36,460 --> 00:15:40,540 Es decir, sí, sí, Cloud te hace muchas cosas, pero la especificación concreta que tú 185 00:15:40,580 --> 00:15:46,640 le has dicho, quiero que me hagas un con Docker, todo esto, claro, tienes que tener todo 186 00:15:46,640 --> 00:15:50,960 ese nivel, ¿no? Entonces, es posible, te voy a lanzar una pregunta, ¿es posible que estemos 187 00:15:51,000 --> 00:15:58,420 entre una polarización entre gente que usa la IA de forma Inteligente o de 188 00:15:58,420 --> 00:16:06,460 forma creativa y gente que usa la IA para pedirle, hazme fotos del estudio Ghibli y…? 189 00:16:06,460 --> 00:16:09,120 A ver, eso sí, eso es evidente, claro, obvio. 190 00:16:09,520 --> 00:16:13,440 Sí, claro, hay gente que utiliza la inteligencia artificial, pues como, yo qué sé, para 191 00:16:13,480 --> 00:16:19,320 lo que antes preguntaba Google, igual ahora se lo pregunta ChatGPT, genera alguna imagen 192 00:16:19,320 --> 00:16:21,980 de vez en cuando que quede chula y poco más. 193 00:16:22,140 --> 00:16:25,400 Eso es como si dijéramos inteligencia artificial a nivel usuario. 194 00:16:25,440 --> 00:16:32,170 Y a lo mejor por días. Por días tengo una conversación inteligente y otro día hago una 195 00:16:32,170 --> 00:16:36,010 foto de un mono. Por supuesto. 196 00:16:37,030 --> 00:16:44,030 Qué bueno. Y aplicaciones en la vida real para técnicos, digamos, 197 00:16:44,090 --> 00:16:47,250 de la vieja escuela, programadores y todo esto. 198 00:16:47,430 --> 00:16:54,710 ¿Tú cómo lo ves? A mí me parece el uso más mágico 199 00:16:54,710 --> 00:16:59,290 como si dijéramos de la inteligencia artificial es cuánto te baja las barreras de entrada 200 00:16:59,330 --> 00:17:04,810 cuando quieres aprender algo nuevo sea lo que sea, si tú vas a pasar de 0 a 1 que igual 201 00:17:04,810 --> 00:17:12,070 antes te costaba, pues cursos en buscar en internet, no sé, no había 202 00:17:12,070 --> 00:17:16,310 como algo estructurado, te costaba mucho más llegar a donde querías, con la inteligencia 203 00:17:16,350 --> 00:17:21,830 artificial como esa información de pasar de cero a uno de cualquier cosa es mucho más 204 00:17:21,830 --> 00:17:28,470 extensa, te cuesta mucho menos aprender algo de cero y poder ser funcional y luego incluso 205 00:17:28,470 --> 00:17:31,630 ya puedes ir como de ahí creciendo hacia arriba. 206 00:17:31,630 --> 00:17:37,590 Entonces me parece como mucho más fácil, por ejemplo, que ahora dicen mucho que las empresas 207 00:17:37,590 --> 00:17:42,110 están despidiendo a los juniors y que los juniors cómo se van a poder formar porque no 208 00:17:42,150 --> 00:17:43,450 van van a ser nunca juniors. 209 00:17:43,490 --> 00:17:48,090 O sea, a mí siendo junior me parece mucho más sencillo formarme en programación o en 210 00:17:48,130 --> 00:17:52,600 lo que sea con curiosidad y con la inteligencia artificial realmente. 211 00:17:52,960 --> 00:17:58,080 Porque ahí es verdad que no te lo va a poder decir todo, pero te da unas bases y una 212 00:17:58,080 --> 00:18:05,000 manera o algo de luego preguntar a alguien que sepa más que tú o te da como un contexto, 213 00:18:05,320 --> 00:18:08,560 ¿no? No sé si ves hacia dónde quiero ir. 214 00:18:08,560 --> 00:18:15,580 Sí, sí, yo lo veo en mi hijo, por ejemplo, él está estudiando informática, el 215 00:18:15,580 --> 00:18:22,800 ciclo formativo, y tiene un método de trabajar con las sillas que me 216 00:18:22,800 --> 00:18:27,820 parece brutal, porque él no dice, esto me falla, ¿dónde está el error? 217 00:18:28,410 --> 00:18:34,350 O sea, tú lo planteas desde el, enséñame a hacer esto, enséñame a hacer lo otro. 218 00:18:34,510 --> 00:18:37,150 Si estoy haciendo esto, cuéntame cómo funciona esto. 219 00:18:37,190 --> 00:18:40,530 Es decir, tiene una forma como muy... 220 00:18:40,530 --> 00:18:44,530 Es decir, cuéntame lo que sabes que lo quiero aprender. 221 00:18:44,530 --> 00:18:48,010 Que, claro, lo que dices tú, ¿no? 222 00:18:48,050 --> 00:18:51,410 Es decir, como tener la frase de copilot es muy interesante. 223 00:18:51,550 --> 00:18:57,590 Es decir, tengo un asistente o tengo a alguien que me ayuda a desarrollar cosas, pero 224 00:18:57,590 --> 00:18:59,830 tengo que ser yo quien las desarrolle, ¿no? 225 00:18:59,870 --> 00:19:03,770 Es como tener A un senior al lado que te corrige el código. 226 00:19:04,590 --> 00:19:10,670 Imagínate que yo estoy haciendo una query y es mi primera query y de repente es un churro, 227 00:19:10,710 --> 00:19:15,210 igual funciona por lo que sea pero es un churro y entonces yo le puedo preguntar. 228 00:19:15,650 --> 00:19:20,830 ¿Cómo reescribirías esto siguiendo las mejores prácticas o para que sea más eficiente? 229 00:19:21,490 --> 00:19:26,170 Y entonces te mejora y tú has aprendido cómo hacerlo. 230 00:19:27,060 --> 00:19:32,820 Entonces, ese uso diferencial es lo que va a diferenciar a la gente que diga, ah, bueno, 231 00:19:32,880 --> 00:19:38,380 pues hazme esto como sea y yo lo pruebo y que funcione y ni siquiera me fijo, pues ok, 232 00:19:38,600 --> 00:19:45,640 pero tú no estás sacando nada de eso, no estás aportando nada y de la otra manera tú 233 00:19:45,640 --> 00:19:50,200 estás enriqueciéndote de la inteligencia artificial, que es el uso que le da a tu hijo, 234 00:19:50,240 --> 00:19:55,860 por ejemplo. Sí, y claro, y con esto, y mezclándote con lo de la IA musical, te quería 235 00:19:55,860 --> 00:20:00,600 contar además una cosa. Sabes que hemos hablado a veces, por ejemplo, del vector search, 236 00:20:00,640 --> 00:20:07,980 de cómo funciona por debajo, la forma de resolver proximidades 237 00:20:07,980 --> 00:20:14,300 y tal, y quizá también ese conocimiento de cómo funcionan las cosas por debajo a ser 238 00:20:14,300 --> 00:20:20,840 necesario, Es decir, las búsquedas por Coseno, por la cercanía a Manhattan y todas estas 239 00:20:20,840 --> 00:20:24,940 cosas. Porque, por ejemplo, y te lo comentaba, es que fíjate que por ejemplo a la IA 240 00:20:24,980 --> 00:20:30,260 yo le digo, créame un solo de guitarra que no sea virtuoso, o sea, que no sea rápido 241 00:20:30,260 --> 00:20:34,840 así virtuoso y me hace el solo de guitarra más rápido y más virtuoso de todos. 242 00:20:34,980 --> 00:20:40,040 Entonces digo, ¿cómo puede ser que le digo que no me haga algo y me hace precisamente 243 00:20:40,040 --> 00:20:43,040 lo que le he dicho? Claro, Precisamente porque le has dicho eso. 244 00:20:43,080 --> 00:20:48,980 Porque he especificado. Y es como que las instrucciones de su, por ejemplo, de esta IA, 245 00:20:48,980 --> 00:20:53,560 te digo, por ejemplo, era como, no puedes utilizar exclusiones. 246 00:20:55,200 --> 00:20:58,160 En el prompt, no utilices exclusiones, como decir. 247 00:20:58,280 --> 00:20:59,760 Pero que no suene a jazz. 248 00:21:00,020 --> 00:21:06,120 En el momento que pongas la palabra jazz, va a buscarte todo un abanico, digamos, del 249 00:21:06,120 --> 00:21:12,440 modelo que han utilizado para aprender, basado en jazz, y te suena lo quieras o no. 250 00:21:12,900 --> 00:21:15,900 Entonces vamos a tener que aprender lo que hay debajo. 251 00:21:16,240 --> 00:21:23,360 Claro, sí, 100% de todas maneras, ese problema que ahora estás comentando de los prompts 252 00:21:23,360 --> 00:21:28,000 en negativo, eso era una buena práctica como hace, bueno, pues cuando salieron, porque 253 00:21:28,040 --> 00:21:29,700 evidentemente pasa lo que dices tú. 254 00:21:29,740 --> 00:21:36,440 En el momento en el que tú dices no pienses en un elefante rosa, pues ya está, ya hay 255 00:21:36,440 --> 00:21:41,380 un elefante rosa en el resultado, porque ya está ahí puesto aunque hayas puesto un no 256 00:21:41,380 --> 00:21:46,560 delante eso se ha mejorado con las diferentes evoluciones de los modelos pero todavía 257 00:21:46,560 --> 00:21:54,120 sigue ahí y viene precisamente de cómo funciona la búsqueda vector y vectorial por dentro 258 00:21:54,120 --> 00:22:00,850 por debajo súper interesante si seguimos abriendo melones yo tengo que unos cuantos melones 259 00:22:00,850 --> 00:22:08,010 que son de debate súper interesantes mira los informáticos un poco siempre hemos 260 00:22:08,010 --> 00:22:15,510 tenido cultura de divulgar y de comentar y de compartir el conocimiento de crear comunidades 261 00:22:15,510 --> 00:22:22,450 de conocimiento no y un poco lo que pasó con esta cover flow te pongo un poco a la 262 00:22:23,440 --> 00:22:31,030 idea al tema esa cover flow se de pronto se inundó con gente Contestando 263 00:22:31,030 --> 00:22:38,880 artículos utilizando ya, pero, pero fue tan masivo, una 264 00:22:38,880 --> 00:22:44,240 avalancha de tanto contenido generado por IA, que lo detectaron porque la gente empezó 265 00:22:44,240 --> 00:22:49,540 a decir, sí, sí, la explicación suena muy bien, pero en la práctica no funciona. 266 00:22:50,060 --> 00:22:55,120 Esta Coder Flow dijo, a quien utilice IA le vamos a banear, le vamos a poner un flag, 267 00:22:55,380 --> 00:23:00,540 vamos a flaggear su cuenta y vamos a bajarle. 268 00:23:00,540 --> 00:23:06,440 Y vamos a marcar que ese usuario, toda la reputación que tenía ganada la iba a perder. 269 00:23:07,720 --> 00:23:12,600 Porque no tenían suficientes verificadores humanos para poder regular eso. 270 00:23:12,640 --> 00:23:16,100 Simplemente lo habían detectado porque había mucha gente que se había quejado con, oye, 271 00:23:16,140 --> 00:23:18,880 esta respuesta no es, esta respuesta no es, esta respuesta no es. 272 00:23:18,920 --> 00:23:23,740 En muchas habían visto que aumentaron de una forma desproporcionada. 273 00:23:23,740 --> 00:23:30,980 Y justo después de hacer eso, esta Cover Flow se alía, de 274 00:23:30,980 --> 00:23:37,120 hecho, hace un acuerdo con OpenAI y le venden toda la base de conocimiento a OpenAI, 275 00:23:37,200 --> 00:23:45,060 incluyendo contribuciones con licencia creativa, código con 276 00:23:45,060 --> 00:23:49,040 Creative Commons. Que dices, oye, que cualquiera utilice mi código. 277 00:23:49,160 --> 00:23:51,460 Es una red altruista, ¿no? 278 00:23:51,560 --> 00:23:57,560 ¿Tú no crees que los técnicos, por esa cultura de la generosidad y de compartir el conocimiento, 279 00:23:57,640 --> 00:24:02,080 somos los primeros que hemos pringado en que se han alimentado los modelos informáticos 280 00:24:02,120 --> 00:24:05,640 con todo el conocimiento humano entregado gratuitamente? 281 00:24:07,480 --> 00:24:10,147 ¿No crees que a lo mejor nos han robado un poco? 282 00:24:10,240 --> 00:24:17,600 A ver si todo lo que se convierte, pero no sólo a los técnicos, 283 00:24:17,600 --> 00:24:21,860 a cualquier persona que haya escrito en internet, tú lo dejas ahí para que lo lea la 284 00:24:21,900 --> 00:24:28,520 gente y lo que han hecho estas personas es entrenar sus modelos con todo el texto que 285 00:24:28,520 --> 00:24:33,320 estuviera en, o sea, si se puede acceder en internet, pues lo han cogido y han entrenado 286 00:24:33,360 --> 00:24:40,770 modelos con ello. Claro, frente a lo mejor, Imagínate, otro sector como los abogados, 287 00:24:40,810 --> 00:24:48,210 por ejemplo, que a lo mejor no tienen tanta cultura de divulgación al público, 288 00:24:48,550 --> 00:24:51,650 al consumidor o a la gente, a otros abogados. 289 00:24:51,650 --> 00:24:56,950 No son de hacerse blogs con, mira cómo he resuelto este juicio. 290 00:24:56,950 --> 00:25:01,130 Claro, ese es el tema. Por ejemplo, las inteligencias artificiales verticales de los 291 00:25:01,170 --> 00:25:07,570 abogados, eso ahora es un negocio redondo porque tú te coges todas las empresas. 292 00:25:08,670 --> 00:25:11,450 Te lo digo porque justo tengo un cliente que es una asesoría legal. 293 00:25:11,490 --> 00:25:18,930 Entonces, todas las empresas que tienen acceso, pues, a sentencias pasadas, 294 00:25:18,930 --> 00:25:25,990 a esos datos, sólo pueden, pueden entrenar el modelo, que ya es súper potente en 295 00:25:25,990 --> 00:25:31,570 sí mismo, lo entran en específico con esa información legal y se lo venden a los despachos 296 00:25:31,570 --> 00:25:38,110 de abogados por unas licencias que alucinas de la cantidad de dinero que les cuesta y 297 00:25:38,560 --> 00:25:41,680 claro que los abogados lo pagan, pero de mil mil amores. 298 00:25:41,700 --> 00:25:47,180 ¿Por qué? Porque les soluciona la vida, sí, toda nuestra audiencia que quiera sumarse 299 00:25:47,180 --> 00:25:52,040 a este proyecto puede Disponibilizar. 300 00:25:52,040 --> 00:25:55,151 Oye, qué bueno, ¿eh? Vaya oportunidad de negocio grande. 301 00:25:55,320 --> 00:25:59,440 Sí, tú piensa en cualquier sector que tenga la información 302 00:26:00,440 --> 00:26:03,120 que esté cerrada, que no esté abierta. 303 00:26:03,140 --> 00:26:07,940 Pues, por ejemplo, legal, es que es la primera que viene a la mente. 304 00:26:08,800 --> 00:26:16,040 Seguros. Seguros. Pues toda la información esa, empresa coge y se entrena 305 00:26:16,040 --> 00:26:22,460 un modelo por detrás que además está alimentando pues a otros profesionales, no al público 306 00:26:22,460 --> 00:26:28,220 en general. Eso, vamos, están saliendo una cantidad de inteligencias artificiales verticales 307 00:26:28,220 --> 00:26:31,840 por sector, pues el de legal, el del médico, el de no sé qué, 308 00:26:33,000 --> 00:26:35,320 que, vamos, son la leche. 309 00:26:35,320 --> 00:26:40,380 Y para los profesionales de esos rangos pues les funciona muy bien. 310 00:26:41,980 --> 00:26:48,280 Fíjate además que la semana pasada con Carla Muñoz estábamos hablando de que Oracle ha 311 00:26:48,280 --> 00:26:55,140 sacado la última versión que incorpora todo lo de IA lo tiene incorporado ya de forma 312 00:26:55,140 --> 00:26:59,440 nativa la base de datos, en principio según dicen no va a tener licencia extra todo lo 313 00:26:59,480 --> 00:27:04,600 de Vector Search y todo eso Y decía Carla, decía, es que cada vez esto abre la puerta, 314 00:27:04,780 --> 00:27:11,400 porque antes la versión de Oracle la estaban pensando solo para nube, la última versión, 315 00:27:11,520 --> 00:27:15,680 la versión con todas las funcionalidades de IA, solo para OCI y tal, no solo para Cloud, 316 00:27:15,720 --> 00:27:18,660 y han abierto la versión on -premise. 317 00:27:18,660 --> 00:27:24,420 Y entonces decía Carla, es que esto abre la puerta mucho a lo que estás diciendo, a la 318 00:27:24,420 --> 00:27:31,100 IA en tu sótano, a que cada uno pueda tener su propia IA en su propio sótano, su propia 319 00:27:31,100 --> 00:27:38,700 empresa, con su propio modelo alimentado, digamos, con solo la información privada 320 00:27:38,700 --> 00:27:41,560 que requiere y confidencial. 321 00:27:41,560 --> 00:27:45,740 Porque, ¿tú crees que se ha dado mucho miedo a compartir? 322 00:27:46,420 --> 00:27:53,460 Sí, 100% sí, 100% sobre todo a nivel empresarial, todo el tema de la información 323 00:27:53,460 --> 00:27:55,920 privada, pues al final sí que existe miedo. 324 00:27:55,920 --> 00:28:02,760 Y pues imagínate gente que tiene la información on -prem pues no quiere de repente que 325 00:28:02,760 --> 00:28:09,220 enviarse el hgt para preguntarle cosas por muy útil que le vaya a ser entonces pues igual 326 00:28:09,220 --> 00:28:15,240 puede entender más a soluciones más locales o sea eso es Súper importante y además vuelvo 327 00:28:15,240 --> 00:28:22,700 un poco al tema de por Por ejemplo, una asesoría legal y empresa o un médico tiene 328 00:28:22,700 --> 00:28:27,520 que ajustarse a las leyes de protección de datos. 329 00:28:28,060 --> 00:28:34,660 Porque imagínate que yo tengo un paciente y cojo su historial, se lo pregunto a una inteligencia 330 00:28:34,660 --> 00:28:40,220 artificial que no sé muy bien de dónde viene, al último modelo que salga, que imagínate 331 00:28:40,220 --> 00:28:45,200 que no es de una de las grandes, Yo qué sé, DeepSeek, por ejemplo, le pregunto y de repente 332 00:28:45,240 --> 00:28:48,180 esa información se publica en algún sitio. 333 00:28:48,300 --> 00:28:54,080 Pues me he saltado todas las leyes de protección de datos que existen, ¿sabes? 334 00:28:54,100 --> 00:29:00,660 Es un pollón y bueno, fíjate que yo pensé que eso iba a ir más por otra línea, lo de 335 00:29:00,660 --> 00:29:07,940 la IA en el sótano. Yo pensé que quizá podía haber miedo 336 00:29:07,940 --> 00:29:14,540 a todo el tema de coste por tokenización, que la gente diga, ya, ya, pero tener una IA 337 00:29:14,540 --> 00:29:21,220 que de pronto va a consumir tokens y de pronto ciertas aplicaciones que te ofrecen un 338 00:29:21,220 --> 00:29:26,840 SaaS, por ejemplo, con una inteligencia artificial y te dicen, Y tú puedes preguntar 339 00:29:26,840 --> 00:29:32,840 lo que quieras Que vas a pagar solamente por tokens Esa medida que se dispara el coste 340 00:29:32,840 --> 00:29:39,340 Yo pensé que iba a ir un poco por ahí Y la aplicación de tener es ahí en el sótano Pero 341 00:29:39,340 --> 00:29:46,350 lo que dices tú De modelos verticales solamente de tu sector Y solamente 342 00:29:46,350 --> 00:29:51,770 con tus datos privados Ahí esa, pienso que Es una parte interesante Yo creo que va más 343 00:29:51,770 --> 00:29:57,390 por el tema de la privacidad que por el tema del coste por token porque tú piensas que 344 00:29:57,390 --> 00:30:04,270 si tú tienes tu propio modelo on -premises instalado primero probablemente no puedas 345 00:30:04,270 --> 00:30:10,010 tener un modelo tan grande como los que se están utilizando ahora que son inmensos y 346 00:30:10,010 --> 00:30:12,621 por tanto no vayas a tener el mismo rendimiento 347 00:30:13,490 --> 00:30:20,450 y aparte que lo tienes que mantener tienes que tener los servidores en los que viva tienes 348 00:30:20,450 --> 00:30:27,730 que poder gestionar todo el tema de las latencias, de cuánto tardan las respuestas, 349 00:30:27,910 --> 00:30:33,070 entonces eso tienes que ser una empresa muy grande para poder mantener eso. 350 00:30:33,070 --> 00:30:38,870 Sí, pero con el tema de privacidad, fíjate, estaba hablando con un amigo mío que es abogado 351 00:30:38,870 --> 00:30:46,010 sobre el tema de que en Estados Unidos un juez ha pedido el historial 352 00:30:46,010 --> 00:30:53,650 de chat GPT de una persona que estaba procesada, 353 00:30:53,730 --> 00:30:59,990 alegando que tú la confidencialidad la tienes con tu abogado pero no la tienes con IA. 354 00:30:59,990 --> 00:31:03,710 Y un juez puede intervenir o puede intervenir llamadas te puede intervenir, te ha hecho 355 00:31:03,750 --> 00:31:09,990 GPT y de ahí han sacado toda la toda la verdad 356 00:31:11,470 --> 00:31:17,690 Y me decía mi abogado a veces son más honestos con la inteligencia artificial que con 357 00:31:17,690 --> 00:31:23,630 el propio abogado, no nos cuentan toda la verdad y luego a cha GPT si se la cuentan pero 358 00:31:23,630 --> 00:31:26,210 yo en realidad si he estafado tanto dinero 359 00:31:27,210 --> 00:31:34,350 bueno pero eso ya venía con las redes sociales que Facebook podía saber más de ti 360 00:31:34,350 --> 00:31:39,790 que tú mismo incluso sabiendo dónde pasabas tiempo, a qué le dabas like qué es lo que 361 00:31:39,790 --> 00:31:45,590 veías es más consciente de cómo eres de lo que eres tú al final son datos objetivos no 362 00:31:45,590 --> 00:31:51,010 es lo que tú estás contando de ti mismo lo mismo con las fotos y estoy posteando fotos 363 00:31:51,010 --> 00:31:57,500 en la discoteca exacto a tope pero qué bueno Bueno, qué bueno, qué bueno. 364 00:31:58,480 --> 00:32:05,240 Yo quiero que nos vayamos también un poquito a nuestra parte de ingeniería de datos, 365 00:32:05,340 --> 00:32:10,980 porque la IA es un tema súper interesante, un montón de melones hay aquí. 366 00:32:11,700 --> 00:32:15,900 La IA es el producto final, pero la IA sin datos no existe. 367 00:32:16,960 --> 00:32:23,660 Sin datos no es nada exacto que seríamos sin datos y yo te quería fíjate que te quería 368 00:32:23,660 --> 00:32:29,280 te quería sacar tú tienes en tu tienes en tu web tenéis un test muy chulo que yo lo dice 369 00:32:29,280 --> 00:32:36,300 que era para clasificarnos entre a los amantes así de los datos si si si si 370 00:32:36,300 --> 00:32:42,600 caíamos en el saco de si éramos ingenieros de datos si éramos analistas o si era más 371 00:32:42,600 --> 00:32:46,500 la parte de ciencia de datos de ciencia de de ciencia de datos. 372 00:32:46,940 --> 00:32:50,940 Y yo pensé que tenía un poco de los tres, porque yo había tocado... 373 00:32:50,940 --> 00:32:54,460 Bueno, tú eres ingeniero de datos, pero vamos, si hablas muy dos minutos contigo, se 374 00:32:54,500 --> 00:32:56,680 te ve, vaya. ¿Qué te salió? 375 00:32:56,680 --> 00:32:59,460 A ver, confiesa. Me salió ingeniero de datos. 376 00:32:59,700 --> 00:33:01,960 Obvio. Me salió ingeniero de datos. 377 00:33:02,240 --> 00:33:08,380 Porque sí, porque estoy en el suelo, estoy muy en el suelo de la infraestructura. 378 00:33:08,380 --> 00:33:15,440 De hecho, sabes que cada vez que veo modelos así, siempre pienso en el suelo. 379 00:33:15,500 --> 00:33:22,480 Hay un libro buenísimo de Tom Kite que se llama Diseño Experto, o sea, diseño eficiente 380 00:33:22,480 --> 00:33:29,480 desde expert performance on design, 381 00:33:29,660 --> 00:33:35,700 algo así. Es decir, es como tú puedes preparar las fases de datos para el mejor rendimiento, 382 00:33:35,740 --> 00:33:40,800 para la mayor potencia, pensando siempre en el suelo, en qué es lo que está pasando en 383 00:33:40,800 --> 00:33:48,200 la física de los datos, cómo se accede al final a las tablas, cómo se accede a... 384 00:33:48,200 --> 00:33:55,900 Están hablando de los vectores, pues bueno, cómo optimizar los vectores, cómo funcionan 385 00:33:55,900 --> 00:34:01,330 estas indexaciones. Yo estoy muy en el suelo, pero muy contento también. 386 00:34:02,550 --> 00:34:09,670 Te iba a decir, ¿crees que hay aún que tender un puente o que ese puente de distancia 387 00:34:09,670 --> 00:34:13,930 que había entre los desarrolladores, por ejemplo, tú has trabajado mucho con Data Warehouse 388 00:34:13,970 --> 00:34:19,770 y con Big Data y todo esto, entre los que están en el lado del análisis, el desarrollo 389 00:34:19,770 --> 00:34:25,470 en la parte de negocio de Data Warehouse y de Big Data, con la parte de infraestructura, 390 00:34:25,470 --> 00:34:30,710 administradores y tal, ¿crees que esa distancia se ha hecho mayor o que estamos más cerca? 391 00:34:32,590 --> 00:34:39,550 ¿Cómo lo ves? Es una pregunta esa, porque depende mucho de, te diría que incluso del 392 00:34:39,550 --> 00:34:47,470 profesional, depende mucho, y depende mucho de los equipos, y yo 393 00:34:47,470 --> 00:34:55,010 no veo como una tendencia general que vaya hacia un lugar de unión, depende 394 00:34:55,260 --> 00:35:00,440 también de las ganas que tengas de entender al otro, que yo creo que eso es lo básico. 395 00:35:01,450 --> 00:35:07,870 Claro, y es que cuando me pregunto por ejemplo, temas de rendimiento cuando todo va lento 396 00:35:07,870 --> 00:35:11,190 es como, ah pues oye habrá sido desarrollo, habrá sido 397 00:35:13,110 --> 00:35:17,570 Los analistas, claro que es el tema, es como tú que vas a decir, le vas a echar la culpa 398 00:35:17,610 --> 00:35:21,230 al otro o vas a intentar entender porque si yo por ejemplo, imagínate que yo soy analista 399 00:35:21,270 --> 00:35:27,150 y entonces voy donde ti y te digo, oye, este dashboard me va lentísimo, y tú que me vas 400 00:35:27,150 --> 00:35:32,530 a contar, porque igual me empiezas a hablar de cubos y de queries y yo no te estoy entendiendo 401 00:35:32,530 --> 00:35:34,919 nada porque no sé de qué me estás hablando. 402 00:35:34,990 --> 00:35:37,930 Uy, pero yo lo primero te llevaría a la cafetería. 403 00:35:37,930 --> 00:35:40,410 Eso es el tema. Sácate un café. 404 00:35:42,030 --> 00:35:44,197 Que vamos a pasar la tarde aquí tú y yo 405 00:35:45,070 --> 00:35:49,810 De hecho, ese fue el espíritu de por qué Café de Atabasis se llama Café de Atabasis y 406 00:35:49,810 --> 00:35:53,390 todo eso porque cada vez que salía una cosa así decía Espera, espera, esto... 407 00:35:53,430 --> 00:35:58,630 Tenemos que irnos a tomar un café Vamos a tomar un café y vamos a a ver toda esa zona 408 00:35:58,630 --> 00:36:03,210 que no sabemos si está, que está a lo mejor fuera de mi área, pero no sé dónde está fuera 409 00:36:03,250 --> 00:36:08,810 de la tuya, ese terreno en medio donde podemos encontrar. 410 00:36:08,890 --> 00:36:13,950 Claro, porque además yo creo que esa frontera es muy difusa y que además en cada empresa 411 00:36:13,950 --> 00:36:18,150 y en cada equipo se mueve, es distinta, no es la misma en todas partes. 412 00:36:18,310 --> 00:36:24,170 Igual lo que llega un DBA en la empresa A no es lo mismo que en lo que llega en la empresa 413 00:36:24,170 --> 00:36:28,650 B, porque en la empresa B hay un puesto intermedio que ocupa, Es como muy distinto, entonces 414 00:36:28,690 --> 00:36:36,470 yo creo que ahí va más de ganas de entender dónde está 415 00:36:36,470 --> 00:36:42,530 mi responsabilidad, dónde están las del otro, pero no solo quedarme en lo mío y yo solo 416 00:36:42,530 --> 00:36:47,310 me ocupo de esto y ya está, sino tener ganas de que funcione como el objetivo general, 417 00:36:47,630 --> 00:36:49,410 o sea, que llegue a funcionar el proyecto. 418 00:36:49,450 --> 00:36:54,590 O sea, que tu dashboard sea más rápido y yo voy a ver qué puedo hacer para ayudarte y 419 00:36:54,590 --> 00:37:01,090 tú tienes que entender cómo trabajo yo sin tenerte que meterte en el mundo técnico o 420 00:37:01,090 --> 00:37:08,730 en las especificidades Técnicas para poder ver si llegamos a un acuerdo, a un equilibrio. 421 00:37:08,770 --> 00:37:11,270 De hecho, yo creo que el secreto está en eso. 422 00:37:11,550 --> 00:37:15,270 Pero esto no tiene nada que ver con algo técnico, yo creo que es algo más humano que 423 00:37:15,310 --> 00:37:22,430 todo eso. Sí, aunque te diría que creo que sí esos roles 424 00:37:22,430 --> 00:37:25,190 más o menos pueden estar más o menos claros. 425 00:37:25,290 --> 00:37:31,230 En proyectos a lo mejor en los que he estado, en los que yo he dicho, yo como DBA te 426 00:37:31,230 --> 00:37:37,790 puedo ofrecer esto, esto, esto y esto, y esto hace que tú cuando montes un cuadro de 427 00:37:37,790 --> 00:37:43,170 mandos o lo que sea, O sea, esta es la información un poco que tienes que entender que 428 00:37:43,170 --> 00:37:46,226 yo desde la infraestructura tengo que preparar para ti. 429 00:37:46,490 --> 00:37:52,470 Como que si hay un punto en el cual esa frontera va siendo más nítida, en el cual te 430 00:37:52,470 --> 00:37:57,070 digo, mira, todo esto está en tu lado, todo esto está en el mío y si yo te cuento hasta 431 00:37:57,110 --> 00:37:59,750 dónde llega a mi lado, tú sabes qué información darme. 432 00:37:59,790 --> 00:38:04,450 Y yo sé qué información darte, lo que te decía de los cubos al final los cubos ¿por qué 433 00:38:04,490 --> 00:38:08,850 se llaman cubos? Porque son las dimensiones y tú me dices, yo en dimensiones ya me manejo, 434 00:38:08,890 --> 00:38:13,250 yo ya sé qué dimensiones necesito, entonces yo te digo, vale, perfecto vale, porque yo 435 00:38:13,290 --> 00:38:15,901 construyo el SQL con Create Dimension y con las 436 00:38:16,970 --> 00:38:23,610 jerarquías y con todo y si hay un punto en el que en el que ahí nos podemos dar la mano 437 00:38:23,610 --> 00:38:29,330 y Decir vale, cada uno tiene su lista de cosas que están en su en su lado no pero yo 438 00:38:29,330 --> 00:38:33,030 la experiencia que tengo es que no no suele haber esa cultura porque al final se habla 439 00:38:33,070 --> 00:38:40,110 de pues ingeniero de datos no debe a y debe a pues es tanto el que está con 440 00:38:40,110 --> 00:38:45,290 los programadores ayudándoles a optimizar el código como el que está montando un clúster 441 00:38:45,290 --> 00:38:50,990 o el que está gestionando los discos o el raid o estamos tocando el sistema operativo 442 00:38:50,990 --> 00:38:57,270 no parece Parece que está desde el suelo hasta la misma frontera. 443 00:38:57,410 --> 00:39:02,330 Tú mismo lo estás diciendo, incluso un DBA, dependiendo de dónde estés o del equipo del 444 00:39:02,330 --> 00:39:08,650 que formes parte, puede ser una cosa súper física a una cosa un poco más... 445 00:39:08,650 --> 00:39:16,090 O sea, no está como súper definido, entonces es como muy, no sé, es un poco etéreo 446 00:39:16,090 --> 00:39:20,330 hacia dónde llega y sobre todo súper dependiente de dónde estés. 447 00:39:20,330 --> 00:39:26,550 Pero yo creo que básicamente lo que has dicho es que llegar a ese punto de entendimiento 448 00:39:26,550 --> 00:39:31,490 con la otra parte para entender, o sea, para utilizar el idioma común. 449 00:39:32,050 --> 00:39:36,890 Y eso no es tecnología, eso es algo cultural de la empresa y eso es algo humano. 450 00:39:36,890 --> 00:39:42,850 Malo totalmente totalmente pues oye quiero quiero que me quiero que me cuentes cosas 451 00:39:42,850 --> 00:39:50,070 tú de la comunidad tuya ninja que tienes que tienes qué cosas tienes ahora en la cocina 452 00:39:50,070 --> 00:39:56,650 para preparar y de las cosas que tienes hechas Dime cosas chulas así que hayas hecho 453 00:39:56,650 --> 00:40:01,090 porque también así. Así yo me las miro, me miro cosas así. 454 00:40:01,230 --> 00:40:03,690 Es que estoy... soy tu... 455 00:40:04,140 --> 00:40:08,690 El nuevo. El nuevo. Sí, el nuevo. 456 00:40:10,560 --> 00:40:12,900 Bueno, pues... En la cocina primero. 457 00:40:13,220 --> 00:40:15,900 En la cocina. ¿Qué estás cocinando? 458 00:40:16,220 --> 00:40:19,480 Yo ahora estamos a full con agentes. 459 00:40:19,680 --> 00:40:23,260 En los próximos meses, agentes 100%. 460 00:40:23,260 --> 00:40:25,480 El club de lectura va a ser un libro de agentes. 461 00:40:25,520 --> 00:40:31,460 Las sesiones van a empezar por Cloud Code, pero van a ir por pues otras muchas aplicaciones 462 00:40:31,460 --> 00:40:37,140 como más igual más nivel usuario de montar las cosas y las automatizaciones con algo 463 00:40:37,140 --> 00:40:41,420 más visual como puede ser en 8n pero que puedes incorporar ahí un modelo de lenguaje 464 00:40:41,460 --> 00:40:48,340 a ya utilizar incluso las propias librerías de python que se encargan de esto como pueden 465 00:40:48,340 --> 00:40:53,080 ser lanche y por ejemplo que es la típica eso van a ser los próximos meses y Y luego 466 00:40:53,080 --> 00:41:00,140 ya siempre procuro mantener como las bases del Machine Learning, lo que hoy 467 00:41:00,140 --> 00:41:05,620 en día se llama Machine Learning clásico, que cuando hace tiempo era el Machine Learning, 468 00:41:05,700 --> 00:41:10,280 pues hoy es el clásico. Y entonces mantenemos eso para la gente que va empezando, que 469 00:41:10,320 --> 00:41:17,940 no se desepare mucho de esta parte de Machine Learning, que es lo que mola 470 00:41:17,940 --> 00:41:20,600 también, y de un poco es el origen de todo. 471 00:41:20,600 --> 00:41:25,000 Entonces, si entiendes bien las bases, pues al final vas a entender que lo mismo te da 472 00:41:25,040 --> 00:41:32,200 predecir cuánto va a valer la vivienda mañana, cuál es el siguiente 473 00:41:32,200 --> 00:41:34,200 token, qué es lo que hace un modelo de lenguaje. 474 00:41:34,240 --> 00:41:38,780 Al final es un poco la misma base, pero evolucionada, como Si dijéramos. 475 00:41:38,940 --> 00:41:44,580 Entonces, eso es lo que va a pasar en los próximos meses, y de las cosas de los laboratorios 476 00:41:44,580 --> 00:41:49,200 que has hecho y cosas que has hecho así chulas, dime, te voy a preguntar, por ejemplo, 477 00:41:49,240 --> 00:41:53,600 los tus top 3 laboratorios cacharreos favoritos. 478 00:41:53,600 --> 00:42:00,390 Pues mira, aquí hay una sesión, porque, porque, bueno, yo todo esto empezó porque yo 479 00:42:00,390 --> 00:42:04,850 tengo ganas de compartir todo el mundo de los datos, y cuando yo hablo del mundo de los 480 00:42:04,890 --> 00:42:09,510 datos, hablo de machine learning, hablo de de inteligencia artificial y hablo de ingeniería 481 00:42:09,550 --> 00:42:16,630 de datos y análisis, De compartirlo de la manera más accesible posible. 482 00:42:16,950 --> 00:42:21,610 De hecho, ese es el punto de vista del podcast, que es como yo empecé. 483 00:42:21,870 --> 00:42:26,190 Luego, a partir de ahí, muchas veces todo el mundo... 484 00:42:26,190 --> 00:42:30,110 Bueno, es algo que tú ya sabes, que la información está en internet y eso es así, pero 485 00:42:30,150 --> 00:42:34,090 muchas veces hay tanta información que no sabes un poco por dónde tirar. 486 00:42:34,130 --> 00:42:37,350 Y en el aprendizaje se puede hacer un poco solitario. 487 00:42:37,350 --> 00:42:39,930 Y entonces de ahí salió un poco la comunidad. 488 00:42:41,050 --> 00:42:48,110 Y al final a mí lo que me faltó cuando estaba aprendiendo es que está muy bien que 489 00:42:48,110 --> 00:42:54,620 tú me enseñes la típica teoría, pero yo veo que entre lo que enseñan en un curso y lo 490 00:42:54,620 --> 00:42:58,620 que luego vas a aplicar en el mundo real hay como mucha diferencia. 491 00:42:59,600 --> 00:43:03,900 Entonces yo he intentado realizar los laboratorios y un poco los proyectos que hemos 492 00:43:03,940 --> 00:43:05,940 hecho para rellenar ese hueco. 493 00:43:05,940 --> 00:43:12,180 Y entonces, un proyecto que hemos hecho que ha ocupado varias sesiones es un proyecto 494 00:43:12,180 --> 00:43:17,880 de ese tipo, que al final consistía —y consiste, porque realmente no lo hemos terminado 495 00:43:17,880 --> 00:43:25,000 todavía— en poder descargar de una API ofertas de empleo de LinkedIn y 496 00:43:25,000 --> 00:43:30,220 luego que con eso podamos procesarlo en un pipeline completo de ingeniería de datos. 497 00:43:30,220 --> 00:43:35,260 Y tener esos datos en un warehouse y poder enriquecerlos con un modelo de lenguaje para 498 00:43:35,260 --> 00:43:39,700 luego poder construir un dashboard que nos explique qué skills tenemos. 499 00:43:39,700 --> 00:43:43,060 Que conseguir si queremos ser ingenieros de datos, por ejemplo. 500 00:43:43,100 --> 00:43:44,540 Y ese es un proyecto completo. 501 00:43:44,580 --> 00:43:47,980 Oh, este es el siguiente que hago. 502 00:44:15,540 --> 00:44:20,500 Manera y con las limitaciones que puedes tener durante el desarrollo que dices oye necesito 503 00:44:20,540 --> 00:44:24,620 una herramienta más que puedo usar ahora quiero integrar eso quiero hacer una migración 504 00:44:24,660 --> 00:44:29,680 como lo hago y entonces es el proyecto que más semanas nos ha llevado porque empezamos 505 00:44:29,680 --> 00:44:33,860 el año pasado y como digo no hemos terminado pero creo que es súper completo para alguien 506 00:44:33,900 --> 00:44:39,880 que quiera que quiera dedicarse pues o que quiera empezar en el mundo un poco de la ingeniería 507 00:44:39,880 --> 00:44:44,960 de datos entre ingeniería y análisis porque la idea era que en la comunidad hay perfiles 508 00:44:44,960 --> 00:44:50,380 como muy diversos pues que la parte de analistas se encargará más de hacer los datos 509 00:44:50,380 --> 00:44:55,680 y las personas más interesadas en hacer la ingeniería pues se encargarán más pues de 510 00:44:55,680 --> 00:45:00,360 las queries de montar las bases de datos de hacer todas estas cosas de orquestación con 511 00:45:00,400 --> 00:45:06,820 airflow vital entonces es como el gran proyecto que me me gusta a mí, o sea, es como... 512 00:45:06,820 --> 00:45:08,400 Es el top 1, este es el top 1. 513 00:45:08,440 --> 00:45:11,960 Sí, el top 1, sí, que nos ha llevado, bueno, y no hemos terminado. 514 00:45:12,000 --> 00:45:18,100 Y luego me gustan también mucho una cosa que hemos empezado a hacer el mes pasado, que 515 00:45:18,100 --> 00:45:22,720 son las competiciones de Kaggle, que ya he mencionado, en plan, con las bases, para que 516 00:45:22,760 --> 00:45:27,520 la gente que empieza no se vea un poco avasallada con un proyecto muy grande y diga, 517 00:45:27,540 --> 00:45:29,440 oye, ¿por dónde empiezo Yo que estoy empezando? 518 00:45:29,480 --> 00:45:34,360 Entonces, son proyectos que vamos haciendo participativamente, quien quiera participar, 519 00:45:34,360 --> 00:45:41,340 participar pues puede pues puede entrar y preguntar y vamos se explica la cantidad de 520 00:45:41,340 --> 00:45:48,460 veces que haga falta. Bueno, qué bueno que se te cuando la intimidad a todo 521 00:45:48,460 --> 00:45:54,460 esto que me da un poco de vergüenza, no, no sé bien bien la diferencia entre data warehouse, 522 00:45:54,460 --> 00:46:03,280 big data y data lake. Bueno, pero para eso estoy, todo es 523 00:46:03,280 --> 00:46:10,380 como como el sitio donde van a parar todos los datos y a ver, big data no es una 524 00:46:10,380 --> 00:46:17,920 tecnología per se, big data es como realmente es es como con lo que básicamente cuando 525 00:46:17,920 --> 00:46:22,400 tienes tantos datos que no puedes guardarlo todo en un ordenador, tiene que ver más con 526 00:46:22,440 --> 00:46:27,920 el volumen de datos que tienes que usar, no es una tecnología big data es el volumen 527 00:46:27,920 --> 00:46:29,900 de datos que tiene una empresa muy grande, sabes? 528 00:46:29,940 --> 00:46:36,980 Vale, y la ley también son muchos datos, un lago de datos, sí, pero es así 529 00:46:36,980 --> 00:46:39,860 que son más más tecnología, sabes 530 00:46:41,240 --> 00:46:47,300 Entonces el data lake tiene que ver como tú como lo procesas tú un data warehouse tú 531 00:46:47,300 --> 00:46:53,280 lo extraes del sitio vuelvo un poco al ejemplo que decía del proyecto que tenemos de 532 00:46:53,280 --> 00:46:59,680 extraer datos de una app y de linkedin entonces yo puedo extraer esos datos los transformó 533 00:46:59,680 --> 00:47:05,840 antes y luego lo guarda ordenaditos en unas tablas en un data warehouse o yo cojo todo 534 00:47:05,840 --> 00:47:11,940 eso que es un formato jason a pelo y lo meto en un data lake a modo no estructurado y 535 00:47:11,940 --> 00:47:16,380 luego ya dentro de ese data lake ya lo puedo estructurar en un pipeline y lo puedo procesar 536 00:47:16,420 --> 00:47:21,280 como yo quiera eso es un poco la diferencia un data warehouse es más información estructurada 537 00:47:21,320 --> 00:47:25,300 y un data lake puede entrar ahí un poco cualquier cosa y luego le pones una capa por 538 00:47:25,340 --> 00:47:30,290 encima que le dé un poco de orden que bueno sabes ¿Sabes que una de las cosas que te 539 00:47:30,290 --> 00:47:36,030 pasé, que podíamos charlar, es todo el tema de la dualidad entre SQL y JSON? 540 00:47:36,390 --> 00:47:41,850 Porque como yo ya me tiene escalado, que soy ingeniero de la parte de suelo, a mí me 541 00:47:41,850 --> 00:47:47,250 da un poco de desconfianza todo esto que se plantea como que tú puedes al final acceder 542 00:47:47,250 --> 00:47:52,610 a los datos de forma totalmente transparente, tanto como SQL como JSON, que al final, 543 00:47:52,710 --> 00:47:56,290 en este caso Oracle te dice que te lo traduce todo por igual. 544 00:47:56,290 --> 00:48:01,870 Es decir, tú tienes tablas o modelos relacionados, lo que sea, no Importa, te construyo 545 00:48:01,870 --> 00:48:08,490 un... o sea, hay un objeto, que son las Duality Views, y las Duality Views es que tú 546 00:48:08,490 --> 00:48:14,370 puedes acceder a las tablas tanto como SQL o como JSON, y puedes visualizar el contenido 547 00:48:14,370 --> 00:48:21,650 como SQL o como JSON. Y tú puedes almacenar documentos y consultarlos como si fuesen 548 00:48:21,650 --> 00:48:24,710 tablas de SQL con Select From Web. 549 00:48:24,850 --> 00:48:28,710 Y tú puedes tener tablas y consultarlas de forma totalmente transparente a través de 550 00:48:28,750 --> 00:48:36,410 esas Duality Views. Y yo pienso, en cuanto le metamos aquí volumen de datos, esta traducción 551 00:48:36,410 --> 00:48:39,290 transparente, esto va a costar. 552 00:48:39,840 --> 00:48:45,440 Esto va a pesar cuando se ponga en marcha. 553 00:48:45,440 --> 00:48:52,580 ¿Crees que es necesaria esta capa de transparencia entre SQL y JSON para verlo 554 00:48:52,580 --> 00:48:58,000 todo de forma diáfana? ¿O quizá mejor zapatero tus zapatos las cosas que son de Graph, 555 00:48:58,120 --> 00:49:05,180 SQL, que se vean con Graph, las cosas que sean de JSON, pues mongos o data lakes que 556 00:49:05,180 --> 00:49:09,620 son desrelacionados, que son SQL, y lo que sea SQL? 557 00:49:10,860 --> 00:49:13,380 ¿Tú lo ves como algo interesante, positivo? 558 00:49:14,280 --> 00:49:19,420 Yo creo que lo que están haciendo los proveedores y no creo que por lo que me dices no 559 00:49:19,420 --> 00:49:25,700 es cosa solo de oracle es añadir es como una capa yo meto los datos en bruto y luego 560 00:49:25,700 --> 00:49:31,280 por encima mete una abstracción y luego ya que cada uno lo consulte como quiera que eso 561 00:49:31,280 --> 00:49:37,780 escale más o menos yo entiendo que están están desarrollando la tecnología para que escale 562 00:49:37,780 --> 00:49:45,440 mejor ahora si Quieres tener un producto para cada una de las 563 00:49:45,440 --> 00:49:51,980 consultas que se hagan como dice esta patera a tus zapatos no sé yo creo que por ahí 564 00:49:51,980 --> 00:49:59,080 no están yendo los proveedores ninguno de hecho están dejando hacer las consultas 565 00:49:59,080 --> 00:50:06,140 con sql porque la gente está acostumbrada a hacerlo así sí y de hecho al final todo lo 566 00:50:06,140 --> 00:50:11,660 todo lo crítico lo que tú necesites integridad va a tener que ser relacional vas a tener 567 00:50:11,660 --> 00:50:15,438 que tener un modelo de los datos relacional para poder funcionar con 568 00:50:16,050 --> 00:50:20,550 constraints, con primary keys, foreign keys, todo esto al final en JSON esta parte se 569 00:50:20,590 --> 00:50:26,610 te diluye por el hecho de ser un documento ser un conjunto de documentos es mucho más 570 00:50:26,610 --> 00:50:31,510 duro, pero no sé, a veces muchas veces cuando se habla de y la transparencia que va a 571 00:50:31,510 --> 00:50:38,110 unificar los mundos, lo presentaba Juan Loaiza en Las Vegas decía, desde los años 70 572 00:50:38,110 --> 00:50:44,270 desde que COD Propuso su modelo relacional de bases de datos, no ha habido ningún avance 573 00:50:44,270 --> 00:50:49,830 en bases de datos tan importante, tan calado como las Duality Views como integrar JSON 574 00:50:49,830 --> 00:50:55,450 y digo, ostras esta va a ser gorda, no sé. 575 00:50:55,450 --> 00:51:00,990 ¿Qué opinas tú? ¿Tú crees que va a funcionar o cómo lo ves? 576 00:51:01,750 --> 00:51:03,250 Claro, pues es que claro, 577 00:51:04,450 --> 00:51:10,450 yo como siempre pienso en el suelo, por ejemplo siempre pienso que ciertas Ciertas cosas 578 00:51:10,450 --> 00:51:17,490 que se implementan pensando en el suelo físico, esas son las 579 00:51:17,490 --> 00:51:21,090 que prevalecen, las que van a funcionar y las que van a resistir. 580 00:51:21,130 --> 00:51:27,150 Por ejemplo, lo que te hablaba de los cubos y las dimensiones y tal, al final en el suelo 581 00:51:27,150 --> 00:51:29,230 lo que hay son vistas materializadas. 582 00:51:29,230 --> 00:51:36,430 Son como una vista que te agrega toda la información y te almacena como en un segmento 583 00:51:36,430 --> 00:51:41,570 de tabla plano que tú puedes ver como si fuese un cubo, pero lo que es la parte de suelo 584 00:51:41,570 --> 00:51:47,840 está bien resuelta. Aquí como es capa de transparencia y es como ver por igual jason 585 00:51:47,840 --> 00:51:55,180 y sql yo creo que en pocos o en pocos medios volúmenes de datos va 586 00:51:55,180 --> 00:52:01,560 a funcionar bien pero como le pidas a lo mejor construcciones a lo mejor un poco más 587 00:52:01,560 --> 00:52:06,060 de navegar entre un montón de documentos entre millones de documentos lo que tengas que 588 00:52:06,100 --> 00:52:12,720 montar indexaciones sobre documentos jason aquí es donde donde vamos a tener que como 589 00:52:12,720 --> 00:52:19,220 humanos irnos a esa inteligencia humana De pensar vamos a ver pero esto en el suelo como 590 00:52:19,220 --> 00:52:25,140 está implementado o cuando estamos accediendo a todos estos datos en el suelo que representa 591 00:52:25,140 --> 00:52:30,620 o estas qué tablas son no y cómo se hace este acceso porque al final muchas veces vas 592 00:52:30,620 --> 00:52:37,120 a a los bloques como el bloque selen disco los hijos las lecturas en memoria y todo tiene 593 00:52:37,120 --> 00:52:43,920 que todo tiene que ser óptimo a todos los niveles no sea por eso desde la misma desde 594 00:52:43,920 --> 00:52:49,820 el mismo suelo hasta la capa de presentación y esa es mi esa es mi opinión que en volúmenes 595 00:52:49,820 --> 00:52:56,520 medios pequeños y medios esto va a ser muy transparente y muy versátil pero que cuando 596 00:52:56,520 --> 00:53:02,580 empezamos a escalar a grandes volúmenes de datos los administradores que nos han condenado 597 00:53:02,580 --> 00:53:09,120 a la extinción desde desde hace 15 años que están diciendo que ya no son necesarios los 598 00:53:09,120 --> 00:53:14,780 de veas porque lo que sea se hace solo no pues vamos a ser las personas que vamos a decir 599 00:53:14,780 --> 00:53:18,900 bueno a ver espera pero como esté implementado esto por debajo sí porque tú estás viendo 600 00:53:18,940 --> 00:53:23,780 todo lo estás viendo en jason pero debajo es sql o al revés o tú lo estás viendo todo 601 00:53:23,780 --> 00:53:27,760 en sql pero debajo estás teniendo un montón de documentos en jason que 602 00:53:28,780 --> 00:53:34,480 indexarlos acceder a ellos pues pensar en la física de los datos no esa es mi opinión 603 00:53:34,480 --> 00:53:39,680 pero es muy una una opinión muy modesta desde la ignorancia, creo. 604 00:53:40,780 --> 00:53:45,240 No, la Verdad es que yo creo que está bastante acertada, pero el tema aquí es cuál es 605 00:53:45,280 --> 00:53:49,880 el volumen de datos, porque si tú te fijas, si tú tienes plataformas como puede ser Oracle 606 00:53:49,920 --> 00:53:55,300 o como puede ser Databricks, que son las que se están basando en quitar todos los niveles 607 00:53:55,300 --> 00:54:02,180 complejos y abstraer toda la complejidad de cómo está implementado eso físicamente, que 608 00:54:02,180 --> 00:54:07,080 al final es quitarle un poco la gracia a lo que puede hacer hacer un dba o un ingeniero 609 00:54:07,080 --> 00:54:14,260 de datos son para volúmenes medios de datos pero medios altos porque las 610 00:54:14,260 --> 00:54:21,740 empresas igual que utilizan y que desarrollan su propia tecnología y que son las la 611 00:54:21,740 --> 00:54:28,140 casa de muchos estándares que luego se hace en open source pues son empresas tipo meta 612 00:54:28,140 --> 00:54:33,860 que evidentemente el volumen de datos que puede estar generando meta es infinitamente 613 00:54:33,860 --> 00:54:38,380 mayor que el que que puede estar generando, yo que sé, una empresa que utiliza un Databricks 614 00:54:38,420 --> 00:54:44,760 de la vida o LinkedIn, son empresas muy grandes que necesitan soluciones a medida y que 615 00:54:44,760 --> 00:54:48,871 tienen que estar muy finos con cómo está implementado todo a nivel físico. 616 00:54:49,080 --> 00:54:55,520 Pero cualquier otra empresa que le valga con una solución que sale de la caja como puede 617 00:54:55,520 --> 00:55:01,400 ser Databricks, pues eso no le va a hacer falta realmente y es ahí donde viene la parte 618 00:55:01,400 --> 00:55:08,120 de te voy a abstraer toda la complejidad y vas a poder consultar los Datos, ya sea en 619 00:55:08,120 --> 00:55:12,640 JSON o en SQL, como tú quieras, porque te va a dar igual, esto va a estar aquí todo guardado 620 00:55:12,680 --> 00:55:15,520 sin que tú tengas que saber ni cómo está. 621 00:55:16,320 --> 00:55:21,600 Entonces ahí la gracia es, volvemos y cerramos un poco el círculo a qué es Big Data y 622 00:55:21,600 --> 00:55:27,840 qué no es Big Data. Por ejemplo, Big Data de la grande de verdad, igual esas soluciones 623 00:55:27,840 --> 00:55:33,120 no le valen y es un poco lo que tú dices, tienes que bajarte al nivel muy físico para 624 00:55:33,120 --> 00:55:38,176 optimizar eso para que realmente funcione, pero tiene que ser un nivel de datos muy grande. 625 00:55:40,110 --> 00:55:41,999 Totalmente, totalmente de acuerdo. 626 00:55:43,170 --> 00:55:46,450 Pues, oye, ¿cómo se te ha pasado la hora? 627 00:55:46,950 --> 00:55:50,910 Ah, pues muy rápido, ya es la hora, ya está, ya es casi. 628 00:55:50,910 --> 00:55:56,370 Voy a dejar un par de cosas para que la gente te conozca un poquito más. 629 00:55:56,530 --> 00:56:00,770 Déjame que cuente, he compartido en el chat tu Spotify. 630 00:56:02,130 --> 00:56:09,450 Porque quería Quería decir, para que la gente se coloque, 886 reseñas, 631 00:56:09,510 --> 00:56:14,210 un 4 ,9 de media. Yo esto no lo he visto en un podcast técnico jamás. 632 00:56:14,630 --> 00:56:21,810 O sea, el podcast de Café Database lleva años y está lejísimos de tener tu alcance 633 00:56:21,810 --> 00:56:28,190 y tu audiencia. Es un podcast que yo creo que es, bueno, así como tú, muy majo, muy fácil 634 00:56:28,190 --> 00:56:31,130 de escuchar, de conocerte y de aprender. 635 00:56:31,790 --> 00:56:39,310 Y aparte del podcast voy a poner también tu web 636 00:56:39,310 --> 00:56:40,890 que directamente es datos .ninja. 637 00:56:40,930 --> 00:56:48,150 Ya está, ¿verdad? Fácil Datos .ninja, súper fácil Pues hoy 638 00:56:48,150 --> 00:56:55,170 ha sido un gustazo Tenerte En esta que es Tu casa, también Te 639 00:56:55,170 --> 00:56:59,530 tenemos ahí en el Discord como InvitedExpert, llevamos unos meses Que te tenemos ahí 640 00:56:59,570 --> 00:57:05,380 como InvitedExpert Muchas gracias por la invitación Pues cuando quieras, repetimos Hablamos 641 00:57:05,380 --> 00:57:12,240 de lo que yo te cuento Tú me cuentas Te dije, yo no te voy a entrevistar o sea somos 642 00:57:12,240 --> 00:57:22,360 dos profesionales hablando tomándonos un café y claro claro 643 00:57:22,360 --> 00:57:28,460 es que sabes en plan entrevista o con un guión así es muy aburrido que son cafecitas 644 00:57:28,460 --> 00:57:35,860 y tan abierta yo no he preparado nada el riesgo 645 00:57:35,980 --> 00:57:40,720 lo asumes sí, pero siempre tengo muchas veces una preocupación con gente a lo mejor que 646 00:57:40,760 --> 00:57:45,360 no es oracle que os sintáis cómodos es decir, que 647 00:57:46,560 --> 00:57:51,260 claro, que hablemos temas que no me digas, pues yo es que me has preguntado unas cosas 648 00:57:51,300 --> 00:57:55,720 que a lo mejor yo no he Tocado nunca, o sea, si muchas veces quiero alinearme un poco 649 00:57:55,760 --> 00:57:59,660 para que pues eso, ¿no? ¿Cuál es el motivo de que no nos vamos a un café, fe, ¿no? 650 00:57:59,700 --> 00:58:05,040 Pues que paso por tu ciudad, nos vemos, hablamos, pero sí compartimos la profesión desde 651 00:58:05,500 --> 00:58:08,680 este lado, ¿no? Y desde el lado de la divulgación también, ¿no? 652 00:58:08,720 --> 00:58:15,160 Quería también invitarte y tenerte de invitada en el podcast, así que un gustazo. 653 00:58:16,230 --> 00:58:20,930 Pues nada, el placer ha sido mío y espero que haya sido interesante y entretenido. 654 00:58:22,100 --> 00:58:28,200 Pues yo creo que sí. Pues muchas gracias a todos, un fuerte abrazo, un fuerte abrazo 655 00:58:28,200 --> 00:58:30,660 y Y nada, pues hasta el siguiente episodio. 656 00:58:30,660 --> 00:58:32,880 Marta, cuando quieras. Esta es tu casa. 657 00:58:33,140 --> 00:58:35,140 Muchas gracias. A todos. Chao.