So, a year and a half since my last post. Even if I kind of update my page to be a blog from the root, shame on me.
This blog post however is not something related to what I did in the previous ones. I promise someday I will continue with my Python to Scala tutorials, but for now you'll have to settle with this.
Este año volví a dar una charla en la FLISoL Córdoba 2026, la última había sido sobre Hugging Face para IA Colaborativa, es justo decir que estos últimos 3 años el panorama en IA ha cambiado mucho. En esta nueva charla, un poco más bajada a tierra que la anterior, me concentré en el uso de herramientas de Software Libre para armar un Homelab. En particular, expliqué un poco de Ollama y Open-WebUI, y como podemos hacer uso de estas herramientas de Software Libre para tener nuestro propio "ChatGPT" en casa.
Un tema que, por cuestión de tiempos, sólo pude explicar por encima en la charla, fue el uso de OpenCode. El mayor inconveniente era el tiempo que toma "iniciar" OpenCode (i.e., que Ollama lea todo el prompt del sistema que explica el uso de herramientas y agentes), por lo que sólo pude probarlo con un modelo pequeño de Qwen. Pero me quedó la idea de probarlo en casa en alguna tarea "útil".
En esta charla que di en la FLISoL Córdoba 2026, doy una introducción a cómo armar un LLM Homelab con ayuda de herramientas libres: Ollama, para probar y servir LLMs locales; Open-WebUI, como interfaz de chat; SearXNG, para brindar a Open-WebUI servicio de búsqueda web; y OpenCode, como agentic coding tool.
La charla cuenta con un repositorio de código (con slides) y con un video.
En este webinar doy una breve introducción a mi training de la Ekoparty: "Prompt Hacking: Técnicas ofensivas y defensivas en la era de la IA". En la charla hablo de la diferencia entre "Prompt Injection" y "Jailbreaking", dos técnicas conocidas en el ataque a LLMs. La charla cuenta con un video y además el material del curso (entre el ques están las slides del video) está disponible en github en el link de más arriba.
- ¿Este es tu sistema de aprendizaje automático?
- Sip, vertés los datos por esta pila de álgebra lineal, y obtenés las respuestas por el otro lado.
- ¿Y si las respuestas son incorrectas?
- Basta con remover la pila hasta que las respuestas empiecen a parecer correctas.
Fuente: https://xkcd.com/1838
En este artículo intentaré introducir algunos conceptos de aprendizaje automático, conocido en inglés como machine learning (literalmente aprendizaje de máquina), de manera que no requiera tener conocimientos de programación para entenderlo.
Esto no quiere decir que quienes estén dentro de la informática no puedan beneficiarse de lo que explicaré aquí, pero no me adentraré en detalles sobre programación de algoritmos de aprendizaje automático.
La idea principal de este artículo es explicar el aprendizaje automático de una manera didáctica y que sea entendible para quién le interese saber algo más del asunto, desmitificando un poco todo aquello que hay alrededor.
Buscaré explicar en dos niveles, al principio iré por algo más general, explicando conceptos como regresión y clasificación desde un punto de vista puramente coloquial. Pero además, para quién quiera entender un poco más, buscaré dar una explicación un tanto más técnica, tratando de utilizar conceptos matemáticos que deberían verse durante la escuela secundaria (el equivalente argentino a la preparatoria o el bachillerato).
So, a year and a half since my last post. Even if I kind of update my page to be a blog from the root, shame on me.
This blog post however is not something related to what I did in the previous ones. I promise someday I will continue with my Python to Scala tutorials, but for now you'll have to settle with this.