Fullstack

Uso de LLM para automatizar procesos de transformación y limpieza de datos

Un nuevo paradigma, no un reemplazo de la ingeniería de datos, sino un cambio fundamental en dónde se concentra el esfuerzo de ingeniería. Si le preguntara a un ingeniero de datos sobre su semana, estoy seguro de que no hablaría de nada interesante. La mayor parte de su tiempo se dedica a la discusión de datos, datos ascendentes desordenados, formatos de fecha inconsistentes, valores nulos que en realidad no son nulos y exportaciones de proveedores que cambian el nombre de las columnas sin anotar esos cambios en la documentación.

03/06/2026

Aprendizaje de funciones multiescala en arquitecturas CNN y U-Net

La variación de escala es una fuente persistente de error en los modelos de visión. Un concepto semántico puede ocupar unos pocos píxeles o la mayor parte del fotograma, y las tareas de predicción densa, como la segmentación semántica, intensifican la dificultad porque cada ubicación de salida debe clasificarse correctamente y localizarse con precisión.

03/06/2026

Siete olas tecnológicas que he visto en 30 años de software: ¿será la IA la próxima transformación real?

Un pequeño programa y una impresora matricial A principios de los años 1990, una de las aplicaciones en las que trabajaba se ejecutaba en una sola PC en una pequeña oficina. El programa generó facturas y las imprimió en una impresora matricial. La interfaz estaba basada en texto, el hardware era limitado y el sistema servía sólo a un puñado de usuarios. La aplicación se creó utilizando Clipper y las primeras herramientas de bases de datos basadas en PC.

Microsoft apuesta a que la carrera de la IA empresarial se ganará en función del contexto de los datos, no del poder del modelo

Microsoft utilizó su conferencia de desarrolladores Build 2026 el martes para señalar que la parte difícil de la IA empresarial no es. La publicación Microsoft apuesta que la carrera de la IA empresarial se ganará en el contexto de los datos, no en la potencia del modelo apareció por primera vez en The New Stack.

“Un ataque exitoso podría ser catastrófico”: Anthropic da acceso a más grupos a Claude Mythos

Anthropic pronunció algunas palabras aleccionadoras el martes. "Un ataque exitoso a su base de código podría ser catastrófico. Para la mayoría de los socios, la publicación "Un ataque exitoso podría ser catastrófico": Anthropic brinda a más grupos acceso a Claude Mythos apareció por primera vez en The New Stack.

Por qué las respuestas estables de RAG aún pueden ocultar evidencia inestable

La mayoría de las evaluaciones RAG se centran en la respuesta. ¿Es correcta la respuesta? ¿Parece fundamentado? ¿Mejoraron las métricas de recuperación después de un cambio en la canalización? Esos controles son útiles. Pero no cuentan la historia completa.

Cómo GitHub planea recuperar a los desarrolladores

Durante gran parte del año pasado, GitHub no ha sido la utilidad estable a la que los desarrolladores se habían acostumbrado durante mucho tiempo. Interrupciones, la publicación Cómo GitHub planea recuperar a los desarrolladores apareció por primera vez en The New Stack.

Microsoft realmente, realmente, realmente quiere que los desarrolladores vuelvan a amar Windows

En su conferencia de desarrolladores Build el martes, Microsoft está lanzando tantas características nuevas para los desarrolladores que es difícil mantenerlas. La publicación Microsoft realmente, realmente, realmente quiere que los desarrolladores vuelvan a amar Windows apareció por primera vez en The New Stack.

Con Intelligent Terminal, Microsoft reinventa el terminal de Windows

El viejo y bueno terminal ha regresado un poco en los últimos meses, en gran parte gracias a la popularidad. La publicación Con Intelligent Terminal, Microsoft está reinventando el terminal de Windows apareció por primera vez en The New Stack.

Microsoft estrena en Build “Scout”, un nuevo agente personal para el trabajo

En Microsoft Build el martes en San Francisco, la compañía presentó Microsoft Scout, un nuevo agente personal para el trabajo. La publicación Microsoft estrena “Scout” en Build, un nuevo agente personal para el trabajo apareció por primera vez en The New Stack.

Cuando Snowflake te miente: comprensión de las falsas fallas en las tuberías dbt

El problema que la mayoría de los equipos se equivocan Todos los ingenieros de datos han vivido este momento. Un modelo dbt falla a las 3 a.m. Obtienes los registros, ves un error de conversión de tipo y comienzas a investigar SQL. Verifica las confirmaciones recientes. Nada cambió. Inspecciona los datos ascendentes. Nada parece extraño. Vuelve a ejecutar el trabajo. Pasa. Te encoges de hombros, lo etiquetas como un problema transitorio y vuelves a dormir.

Migre un agente LangGraph codificado para iniciar configuraciones de AI de Darkly en 20 minutos

En este tutorial, ejecutará un pequeño agente LangGraph localmente y luego migrará sus indicaciones codificadas, elección de modelo y herramientas a LaunchDarkly AI Configs. Después de la migración, cada ajuste, cambio de modelo o cambio de herramienta se envía como una actualización de LaunchDarkly en lugar de una implementación de código. La migración dura unos 20 minutos. Cuando termines, el código base:

Deje de depurar trabajos de pegamento manualmente: creación de una capa de observabilidad agente para canalizaciones de datos

El oleoducto no falló limpiamente La mayoría de las fallas en el oleoducto no parecen "el trabajo falló". Considere un escenario común. Un trabajo de Glue lee archivos de eventos nocturnos, aplica reglas comerciales y escribe en una tabla seleccionada por Iceberg. El trabajo se ejecuta a la hora programada y se producen errores a mitad de camino. La tabla de control muestra ÉXITO para el lote anterior y FALLADO para el actual, que es lo que se esperaría.

Concurrencia estructurada alternativa

La concurrencia estructurada de Java ha estado en desarrollo durante un lapso de 5 años, entrelazándose a través de 8 (!) JEP distintos (JEP 428, JEP 437, JEP 453, JEP 462, JEP 480, JEP 499, JEP 505, JEP 525). Para mí, esto me parece bastante excesivo para lo que podría considerarse una característica bastante concisa. Mi objetivo aquí es experimentar con un enfoque alternativo que aproveche la sólida funcionalidad probada de Java disponible desde JDK 1.5.

Cuando un MVP es en realidad cuatro sistemas: una mejor manera de planificar aplicaciones multifunción

Los equipos suelen decir que están creando una aplicación. Muchas veces eso no es cierto. Vi esto mientras revisaba un MVP de telemedicina. Al principio, el plan parecía bastante simple: visitas por video, mensajería, programación y registros básicos.

5 incidentes de seguridad de IA que rompieron cosas en producción (y lo que tienen en común)

La herramienta de codificación interna de Amazon eliminó un entorno AWS en vivo. El chatbot interno de una empresa de consultoría quedó completamente comprometido en dos horas sin credenciales. Una invitación de calendario fue suficiente para extraer archivos de la máquina de un desarrollador sin un solo clic del usuario.

OpenAI, Anthropic, Google, Amazon y xAI fallan en el tipo de ataque, según un estudio

Los puntos de referencia de seguridad en los que confían los compradores empresariales para evaluar los modelos de IA están midiendo algo incorrecto. Ese es el hallazgo de The post OpenAI, Anthropic, Google, Amazon y xAI fallan en el tipo de ataque, según un estudio que apareció por primera vez en The New Stack.

La implementación de GenAI no es mágica: es un ciclo de vida

Si planea crear una aplicación utilizando GenAI, puede parecer algo completamente nuevo y complicado, pero, sinceramente, no es muy diferente de crear cualquier otra aplicación. Al igual que cualquier proyecto, aún necesita un ciclo de vida claro y un marco adecuado para diseñar, construir e implementar con éxito su solución en producción. Piense en ello como construir una casa. No se empieza simplemente a juntar ladrillos: primero se planifica, diseña, reúne materiales y luego construye paso a paso.

Optimización de canalizaciones de Databricks Spark mediante patrones declarativos

Si alguna vez heredó un trabajo de Spark que se ejecuta en 35 minutos y alguien le pide que lo haga más rápido, conoce la rutina. Comienza verificando el recuento de particiones, luego el tamaño de los archivos, luego las etapas aleatorias y luego las sugerencias de transmisión. Encontrará un cronograma OPTIMIZE escrito a mano de 2022, un PEDIDO Z en la columna incorrecta y un clúster del tamaño del volumen de datos del año pasado. Para cuando haya hecho el trabajo rápidamente, habrá absorbido tres cosas nuevas que mantener. La próxima persona que lo herede absorberá cuatro.

Contratos de datos como "disyuntor" para la confiabilidad del modelo

Introducción: Cuando los buenos modelos salen mal Hace unos años, pasé meses trabajando en un sistema de procesamiento de admisión de clientes basado en microservicios para nuestra aplicación. El código era bueno, las pruebas estaban pasando y lo habíamos probado con carga con un TPS increíblemente alto.

MuleSoft IDP: mejora de la eficiencia y la precisión en la extracción de datos

Este artículo ayudará a los desarrolladores, arquitectos y lectores a comprender las capacidades y funcionalidades del procesamiento inteligente de documentos de MuleSoft. Después de leer este artículo, el lector comprenderá cómo utilizar el procesamiento inteligente de documentos de MuleSoft y los diferentes casos de uso en los que se puede utilizar. El procesamiento inteligente de documentos (IDP) de MuleSoft lo ayuda a leer y comprender documentos como facturas, órdenes de compra y otros archivos estructurados o no estructurados.

Yakarta EE 12: Entrando en la era de los datos de Java empresarial

Durante décadas, Yakarta EE ha abordado el desafío de construir sistemas empresariales que resistan el cambio tecnológico. La plataforma ha evolucionado de monolitos a microservicios, de servidores de aplicaciones a Kubernetes, y de bases de datos relacionales a plataformas de datos distribuidas, todo ello manteniendo su punto fuerte principal: la compatibilidad. Yakarta EE 12 marca otra transición importante, cambiando el enfoque más allá de la infraestructura nativa de la nube y las API para priorizar los datos.

En Sapphire, SAP defiende que la IA empresarial es un problema de contexto

En SAP Sapphire 2026 en Orlando en mayo, SAP defendió que la carrera de IA empresarial no será The post En Sapphire, SAP argumenta que la IA empresarial es un problema de contexto apareció por primera vez en The New Stack.

Gavriel Cohen encontró su propio código dentro de OpenClaw, por lo que se alejó

Cuando Gavriel Cohen vio OpenClaw por primera vez, supo que lo quería. En ese momento, Cohen (que pronto sería el fundador). La publicación Gavriel Cohen encontró su propio código dentro de OpenClaw, por lo que se alejó apareció primero en The New Stack.

La recuperación de IA a escala se está convirtiendo en un problema de sistemas, no de herramientas

La recuperación de IA ha ido mucho más allá de las incrustaciones y la búsqueda de vectores. Las primeras arquitecturas de recuperación se centraron principalmente en la similitud semántica. Aún así, la producción La recuperación posterior de IA a escala se está convirtiendo en un problema de sistemas, no en un problema de herramientas apareció por primera vez en The New Stack.

La trampa de la plataforma de bricolaje que está quemando a los equipos de ingeniería

Los ingenieros de plataformas son algunas de las personas más ingeniosas en TI. Dales un problema y automatizarán su camino. La publicación La trampa de la plataforma de bricolaje que está quemando a los equipos de ingeniería apareció por primera vez en The New Stack.

Probé la nueva integración de Jira de Cursor y tiene 5 estrellas, sin notas. He aquí por qué.

Cursor lanzó su integración con Jira la semana pasada. La integración se comercializó de manera simple: asigne un ticket en Jira y Cursor. La publicación probé la nueva integración de Jira de Cursor y tiene 5 estrellas, sin notas. He aquí por qué. apareció por primera vez en The New Stack.

Por qué GPT-5.4, Claude y Gemini no pueden ponerse de acuerdo sobre hechos básicos del mundo real

A medida que se acelera la carrera de modelos fronterizos, los devotos de la IA están dividiendo su lealtad entre los principales proveedores y usuarios. La publicación Por qué GPT-5.4, Claude y Gemini no pueden ponerse de acuerdo sobre hechos básicos del mundo real apareció por primera vez en The New Stack.

30/05/2026

Opus 4.8 hizo a Claude más inteligente. La disciplina simbólica se volvió urgente.

Soy Matt Burns, director de contenido de Insight Media Group. Cada semana, resumo los desarrollos de IA más importantes, el post Opus 4.8 Made Claude Smarter. La disciplina simbólica se volvió urgente. apareció por primera vez en The New Stack.

30/05/2026