HuatuCodeHuatuCode

Mi Stack Tecnológico
& Entorno de Trabajo

Las herramientas, lenguajes, frameworks y equipo que utilizo a diario para estudiar Ciencias de la Computación, construir modelos de Machine Learning y crear contenido educativo.

Lo que verdaderamente define a un ingenieroes saber los fundamentos.

En la industria del software y la inteligencia artificial, las herramientas y las bibliotecas cambian constantemente. Quien solo aprende a usar un framework vive persiguiendo la última moda; quien domina la ciencia computacional y la matemática subyacente puede adaptarse a cualquier lenguaje, base de datos o arquitectura en cuestión de días.

En HuatuCode no elijo tecnologías por tendencia, sino por capacidad de resolver problemas reales. Cada herramienta en este stack se apoya sobre tres pilares inmutables:

01 · Algoritmia & O(n)

Complejidad y Escala

Comprender el coste temporal y espacial antes de codificar. Saber por qué un algoritmo escala y otro colapsa bajo millones de peticiones.

02 · Sistemas & Memoria

Hardware & Concurrencia

Entender cómo viajan los datos entre la RAM, los registros y los núcleos de la CPU/GPU. Diseñar microservicios desacoplados y eficientes.

03 · Matemáticas de IA

Cero Cajas Negras

Derivar funciones de coste, gradientes y matrices para entender qué optimiza realmente un modelo, en lugar de tratar a la IA como magia.

01 · Fundamentos CS

Lenguajes de Programación

Los lenguajes con los que resuelvo problemas de algoritmia, sistemas y modelado matemático.

6 herramientas
ML & Backend

Python

Lenguaje Principal

Mi herramienta principal para Machine Learning, manipulación matricial, scripting y backend con FastAPI. Ecosistema inigualable para datos.

Uso:Diario / Producción
Sistemas & Memoria

C++

Rigor Algorítmico & CS

Utilizado en la universidad para comprender gestión manual de memoria, punteros, estructuras de datos avanzadas y complejidad temporal.

Uso:Académico / Algoritmos
JVM & Backend

Java

POO & Arquitectura Empresarial

Paradigma orientado a objetos estricto, fuerte tipado estático, ecosistema JVM y desarrollo de servicios empresariales.

Uso:Académico / Backend
Concurrencia

Go (Golang)

Concurrencia & Microservicios

Sintaxis limpia, tipado estático, compilación nativa ultrarrápida y goroutines para servicios distribuidos eficientes.

Uso:Backend de Alto Rendimiento
Full Stack

TypeScript

Frontend Robusto

Tipado estricto para aplicaciones web modernas. Evita errores en tiempo de ejecución y crea contratos de datos confiables con Next.js.

Uso:Diario / Full Stack
Bases de Datos

SQL & PostgreSQL

Persistencia Relacional

Modelado relacional, consultas analíticas complejas, transacciones ACID y optimización de índices para bases de datos.

Uso:Producción

02 · Interpretabilidad

Machine Learning, Datos & XAI

Librerías para entrenar modelos, analizar datos y romper la caja negra con explicabilidad matemática.

6 herramientas
Modelado

Scikit-Learn

Modelos Clásicos

El estándar para regresión lineal, logística, árboles de decisión, Random Forest y pipelines de preprocesamiento estructurados.

Uso:Core ML
Transparencia

SHAP (XAI)

Explicabilidad de Modelos

Teoría de juegos (Shapley Values) para atribuir la contribución exacta de cada variable a las predicciones. Clave en HuatuCode Lab.

Uso:Investigación & Web
Matemática

Pandas & NumPy

Álgebra Lineal & Tablas

Cálculo vectorial, broadcasting matricial, operaciones sobre DataFrames y preparación de datos limpios para entrenamiento.

Uso:Diario
Redes Neuronales

PyTorch & TensorFlow

Deep Learning

Tensores con aceleración por GPU y diferenciación automática para entrenar perceptrones multicapa y arquitecturas profundas.

Uso:Estudio & Proyectos
Big Data

Apache Spark & Databricks

Big Data Distribuido

Procesamiento distribuido para datasets a gran escala, transformaciones ETL y análisis de datos en clústeres cloud.

Uso:Pipelines Analíticos
Exploración

Jupyter & Notebooks

Prototipado Rápido

Espacio para experimentación visual rápida, gráficos de dispersión y pruebas de concepto antes de modularizar el código.

Uso:Laboratorio Preliminar

03 · Infraestructura

Backend, Arquitectura & Despliegue

Infraestructura desacoplada para llevar modelos de Machine Learning a producción a coste cero.

7 herramientas
REST API

FastAPI

API de Inferencia ML

Framework asíncrono en Python. Validación estricta con Pydantic v2, generación automática de OpenAPI y endpoints /predict y /explain.

Uso:Producción
Enterprise Backend

Spring Boot

Framework Empresarial Java

Desarrollo de microservicios robustos, inyección de dependencias, seguridad y APIs REST desacopladas con el ecosistema Spring.

Uso:Arquitectura & APIs
Web Platform

Next.js (App Router)

Frontend & Full Stack

React moderno con Server Components, Static Site Generation (SSG) y rendimiento ultra rápido para esta plataforma.

Uso:Producción
DevOps

Docker

Contenerización

Empaquetado de modelos con sus versiones exactas de bibliotecas C/Python para eliminar incompatibilidades de entorno.

Uso:Despliegue
Hosting ML

Hugging Face Spaces

Backend Host (Gradio/FastAPI)

Alojamiento gratuito del backend con 16 GB de RAM para ejecutar cálculos intensivos de SHAP sin límites serverless.

Uso:Nube de ML
Cloud Edge

Vercel

Frontend Host & Edge

Despliegue automático de la interfaz en una red global CDN con tiempos de carga instantáneos en cualquier dispositivo.

Uso:Edge CI/CD
Cloud Provider

Azure & Google Cloud

Servicios Cloud

Uso de buckets de almacenamiento y servicios gestionados para almacenamiento de artefactos y experimentos.

Uso:Infraestructura Cloud

04 · Productividad

Entorno de Desarrollo & Herramientas

Mi flujo de trabajo diario para escribir código limpio, documentar y depurar sistemas.

3 herramientas
Editor

VS Code

Editor Principal

Temas oscuros minimalistas, extensiones para Python, C++, Go, Tailwind CSS y atajos de teclado para máxima velocidad.

Uso:Configuración Personalizada
Sistema Operativo

Linux (Ubuntu / WSL2)

Sistema de Desarrollo

Terminal Bash/Zsh para ejecución de scripts, compilación de C++, gestión de paquetes y utilidades de línea de comandos.

Uso:Entorno Nativo
Colaboración

Git & GitHub

Control de Versiones

Gestión de ramas, commits semánticos, integración continua y repositorios públicos abiertos a la comunidad.

Uso:Build in Public

05 · YouTube & TikTok

Setup de Grabación & Creación de Contenido

Las herramientas con las que grabo y edito los videos para YouTube, TikTok e Instagram.

3 herramientas
Grabación

OBS Studio

Grabación de Pantalla & Cámara

Captura de código en alta tasa de bits (60 FPS) con audio balanceado y filtros de reducción de ruido en tiempo real.

Uso:Producción de Video
Hardware Audio

Micrófono Dedicado & Audio

Captura de Voz Nítida

Porque un buen video técnico se juzga primero por el audio. Configuración con compresión y ecualización vocal limpia.

Uso:Audio Profesional
Postproducción

Herramientas de Edición Dinámica

Ritmo, Cortes & Subtítulos

Edición ágil para Shorts, Reels y videos largos: zoom en bloques clave de código, animaciones explicativas y subtítulos claros.

Uso:Postproducción
Código abierto, proyectos reproducibles y aprendizaje continuo

¿Quieres ver estas tecnologías en acción?

Explora los simuladores interactivos donde este stack cobra vida, o revisa las lecciones teóricas y matemáticas paso a paso.