Durante un tramo de finales del verano de 2025 llevé un diario semanal de todo lo que iba aprendiendo. Esas notas quedan ahora reunidas en esta única retrospectiva: es más útil leer el arco completo de una vez que siete entradas de diario sueltas. Esto es lo que aquellas semanas me enseñaron de verdad.

Machine learning, a fondo, en Kaggle

Recorrí los itinerarios de Kaggle de forma metódica en vez de saltar de uno a otro. La progresión importó:

• ML intermedio: pipelines para mantener los flujos limpios, validación cruzada para una evaluación honesta, XGBoost como caballo de batalla para datos estructurados y el data leakage — ese bug sutil que infla tus métricas en silencio hasta que producción te baja a la realidad.
• Visualización de datos con Seaborn: barplots, heatmaps, scatter/regplots y distribuciones, aprendiendo a mirar los datos antes de modelarlos.
• Feature engineering: codificar categóricas, combinar columnas en features con más contexto, información mutua para elegir las variables más informativas y PCA para la dimensionalidad. La lección recurrente: una buena feature suele ganarle a un modelo más sofisticado.
• Deep learning con TensorFlow/Keras: de una sola neurona a la clasificación binaria.
• Visión por computador: redes convolucionales de principio a fin — convolución y ReLU, max pooling, stride/padding, convnets propias y data augmentation. Aquí aprendí paciencia: algunos ejercicios pedían 50 épocas a ~6 minutos cada una. Esperar horas por una sola ejecución te enseña a respetar el cómputo.
• Series temporales: ARIMA/LSTM y una prudencia sana con activos ruidosos como las criptomonedas. Además de escalado vs. normalización y el poco glamuroso oficio de limpiar datos.

Fundamentos de Python con CS50

En paralelo terminé el CS50’s Introduction to Programming with Python de Harvard: funciones, condicionales, bucles y excepciones, tests unitarios, entrada/salida de archivos, expresiones regulares y POO. Las regex fueron el módulo que más se resistió — potentes, pero dolorosas de depurar, y un buen recordatorio de que la herramienta más ingeniosa no siempre es la más legible.

La lección más valiosa: el alcance gana a la complejidad

Para mi proyecto final de CS50 construí el Juego de la Vida de Conway con una arquitectura MVC completa y una interfaz en Tkinter. Estaba orgulloso de él — hasta que la comunidad me señaló que estaba sobreingenierizado para lo que el curso pedía. Escoció después de todo el trabajo, pero fue la lección más útil de todo el periodo: entender el alcance de un problema es tan importante como saber programarlo. Dejé el proyecto en GitHub y construí algo más adecuado para la tarea real.

Construyendo ProjectOrganizer: de las features a los cimientos

El hilo más importante de estas semanas fue un proyecto personal — una app para centralizar proyectos, tareas, registros diarios, ideas y recursos. Es donde el aprendizaje se hizo real:

• Decisiones de arquitectura desde el principio: React Router para la navegación, localStorage como capa de datos inicial y una “única fuente de verdad” para el estado.
• Un gran refactor: un componente ProjectDetail había crecido hasta ser un monolito con más de 20 imports y prop drilling profundo. Introduje la Context API de React para eliminar el prop drilling, extraje lógica a hooks y servicios (useSwal, una clase DateUtils) y usé barrel exports para domar los imports. La forma funcional de actualizar el estado (setState(prev => …)) arregló en silencio toda una clase de race conditions.
• Herramientas y disciplina: Husky + Commitlint + Prettier + lint-staged para estandarizar commits y formato. Dieciocho commits en una semana, pero el código salió mucho más mantenible.

Y el blog que estás leyendo

Algunas de esas semanas fueron a parar a esta misma web: migrarla y refactorizarla en Astro, y añadir la búsqueda y el filtrado por tags que la hacen navegable a medida que crecen los posts. Construir tus propias herramientas es una de las mejores formas de aprender — notas cada aspereza en tus propias manos.

A qué se redujo todo

Mirando atrás, los temas técnicos importan menos que los hábitos que construyeron: estudiar con estructura, terminar lo que empiezo, pedir feedback aunque duela y cuidar los cimientos de un proyecto, no solo sus features. Esa mentalidad es la que me llevé al trabajo profesional — y es la razón por la que sigo escribiendo aquí.