Resumen
Episodio especial de aniversario (1 año ininterrumpido de streams semanales, episodio 53) de enCoders, con un formato relajado y sin tema técnico central. Los tres conductores reaccionan a videos de TikTok sobre estadística, roadmaps de Data Science, trucos de Excel, Jupyter Notebook, el editor Cursor y herramientas de IA, y discuten su utilidad real. También comentan R vs Python, bootcamps, cómo partir en Data Science, scraping y su legalidad, y la propuesta de charla para PyCon ("Por qué no usar Jupyter Notebook"). Luego revisan memes, juegan Skribbl.io con conceptos de Data Science y cierran con una trivia en Kahoot con un premio de una gift card de 50 dólares. Anuncian que el próximo episodio mostrará una aplicación con LLM sobre PDF desplegada con Docker, Terraform y Streamlit.
Capítulos
- 00:00IntroCelebran que cumplieron un año de streams todos los martes sin parar; esperaban hacer solo nueve episodios. Presentan el plan del día (TikTok, memes, Skribbl.io, trivia con premio de 50 dólares en gift card de Amazon) y comentan una pregunta sobre qué lenguaje elegir: dos eligen Python por versatilidad y uno R, por su intuitividad, la facilidad para EDA, gráficos y reportes y los problemas de rutas relativas en Python.
- 05:43PreguntasResponden la pregunta de elegir un solo lenguaje (R o Python), con argumentos sobre versatilidad, exploración de datos, automatización de reportes y manejo de rutas. Bromean sobre sus personalidades distintas ("ejes" distintos) y el título del stream.
- 09:15TikTokVen por primera vez TikTok en el stream: un video sobre aprender estadística gratis con una página interactiva (Seeing Theory de Brown), un roadmap de Data Science y bootcamps, trucos de Excel (ajustar ancho de columnas, sumas con Shift), un video sobre Jupyter Notebook y otro sobre el editor Cursor (fork de VS Code con chat, de pago). Discuten el costo de un bootcamp (cerca de un millón y medio de pesos), el precio de Copilot (unos 100 dólares anuales), la novedad de Python en Excel, el controvertido tema de Starfield y videos de IA (Synthesia, generadores de imágenes, ChatPDF) que consideran poco transformadores. Debaten el caso de uso real de los LLM, contextualizar y refinar modelos, y el riesgo de chatbots que cambian precios.
- 44:02MemesRevisan memes publicados en el Discord (sobre comentarios en código y Jupyter). Responden preguntas de la audiencia sobre por dónde partir en Data Science: primero programar y procesar datos, luego estadística, matemáticas y modelos. Cuentan que postularon a PyCon con la charla "Por qué no usar Jupyter Notebook", redactada con ayuda de ChatGPT.
- 49:30PreguntasSiguen con preguntas del chat: transición de astronomía o filosofía a Data Science, uso de DBeaver para bases de datos y si participan en proyectos Open Source (poco tiempo, solo un paquete propio). Explican los símbolos de prompt de distintas terminales ($, >, etc.) y la compartición de pantalla por Discord.
- 54:43Skribbl.ioJuegan Skribbl.io con una lista de conceptos de Data Science generada con ChatGPT (imputación, descenso del gradiente, outliers, aprendizaje no supervisado, bag of words/nube de palabras, árbol de decisión, distribución normal, web scraping). Comentan que el scraping está en zona gris legal y que hay que revisar la ley de protección de datos y consultar a un abogado.
- 01:06:40KahootTrivia de Kahoot con preguntas sobre los conductores (hobbies, comida favorita, herramienta que más odia Rodo, modelo más recomendado: Random Forest, opinión sobre Kedro, cuántos episodios planificaron inicialmente: nueve). Se premia al ganador con la gift card de 50 dólares.
- 01:16:00CierreAgradecen a la audiencia, reflexionan sobre cómo el proyecto superó sus expectativas, invitan a dar feedback y usar el Discord, y adelantan el tema siguiente: desplegar con Docker, Terraform y Streamlit una app con LLM para hacer preguntas sobre un PDF.