Este artículo técnico describe la creación de un sistema ETL para extraer información de la API pública de arXiv, una fuente de publicaciones académicas. El objetivo es filtrar y analizar los papers más relevantes en áreas específicas. Se utiliza Python con bibliotecas como `requests` y `xml.etree.ElementTree` para la extracción, y Django para modelar los datos y exponer una API. El lector aprenderá sobre el diseño de un schema tipo fact table, el manejo de límites de la API, y la implementación de endpoints para acceder a los datos y estadísticas.
Este artículo técnico aborda la problemática de identificar tendencias de productos basadas únicamente en la oferta del marketplace, que no siempre reflejan la demanda real de los consumidores. Para solucionarlo, se implementa un sistema que combina datos de Google Trends con información del marketplace, utilizando Reciprocal Rank Fusion para crear un ranking unificado. Además, se realiza scraping de sitios de proveedores mayoristas y se aplica matching semántico mediante embeddings de Vertex AI para estimar márgenes. El lector aprenderá sobre la integración de múltiples fuentes de datos, técn
Este artículo describe cómo conectar un pipeline de datos con una aplicación Django existente para crear un dashboard de análisis. El pipeline escribe datos de tendencias y productos en una base de datos PostgreSQL separada. Se utiliza Django con `managed=False` y un `DatabaseRouter` para acceder a estos datos sin interferir con la base de datos principal de la aplicación. El frontend, construido con React, permite explorar los datos a través de varios endpoints y filtros interactivos, ofreciendo una interfaz para el análisis de mercado.
Este artículo técnico detalla la implementación del backend para un DataMart, resolviendo el problema de analizar datos de YouTube. Se utiliza Django para construir nueve modelos de datos, incluyendo tablas raw y dimensionales. Se implementa un ETL idempotente para evitar duplicados al procesar datos de la API de YouTube. El lector aprenderá sobre el diseño de modelos de datos, la creación de ETLs idempotentes y la construcción de endpoints para acceder a los datos procesados.
Este artículo describe el diseño de un DataMart para analizar datos de YouTube Analytics, resolviendo la limitación de la API al permitir el análisis histórico y de la competencia. Se utiliza la YouTube Data API v3, Django con JSONField para la capa raw y un esquema dimensional normalizado para las consultas analíticas. El lector aprenderá sobre la importancia de planificar la cuota de la API, diseñar un ETL idempotente y estructurar un DataMart en capas raw y dimensional antes de escribir el código.
Este artículo técnico aborda la optimización SEO para LLMs (Large Language Models) como ChatGPT y Gemini. Explica cómo mejorar la visibilidad de un sitio web ante estos sistemas utilizando dos estrategias clave: la implementación del archivo `llms.txt`, un estándar emergente para comunicar la estructura del sitio a los LLMs, y la creación de un feed Atom dinámico servido desde un backend Django. El lector aprenderá a generar estos elementos en un portafolio React, aprovechando el pre-renderizado HTML, Schema.org y sitemaps existentes.
Este artículo describe la actualización del comando `sync_dev_posts` para sincronizar posts de desarrollo desde archivos Markdown a una base de datos. La nueva versión elimina el encabezado duplicado, usa el slug de la categoría para la estructura de carpetas y crea posts automáticamente si no existen. Además, integra Gemini para generar excerpts y tags automáticamente, mejorando la metadata y la organización del contenido. Aprenderás sobre manipulación de archivos, interacción con bases de datos y el uso de Gemini para tareas de generación de contenido.
Este artículo describe cómo automatizar la documentación de un proyecto usando Claude Code, explorando sus ventajas sobre GitHub Copilot. Se introduce el archivo `CLAUDE.md` para proporcionar contexto persistente al modelo, mejorando la comprensión del proyecto. Se detalla la creación de un management command de Django, `sync_dev_posts`, para sincronizar archivos `.md` con la base de datos y corregir automáticamente los links de navegación en los posts. Aprenderás a usar LLMs para automatizar tareas de documentación y mantener la consistencia entre el código y el contenido del blog.
Este artículo técnico detalla la resolución de cinco bugs críticos encontrados en el panel de administración de Django en un entorno de producción. El primer bug, un error 503, se debió a una señal sincrónica que bloqueaba Gunicorn al interactuar con Vertex AI. La solución implicó el uso de `transaction.on_commit()` y hilos daemon. El segundo bug, también un error 503, fue causado por un fallo en la verificación CSRF debido a un problema de parsing en GitHub Actions. Aprenderás sobre el manejo de señales en Django, la configuración de Gunicorn y la depuración de errores en entornos de producc
Este artículo explica la implementación de tests automáticos en un portafolio personal desarrollado con Django y React. Se detalla cómo se utilizan herramientas como `django.test`, `rest_framework.test`, Jest y `@testing-library/react` para asegurar la calidad del código tanto en el backend como en el frontend. Se describe la arquitectura de testing, integrada en el pipeline de GitHub Actions, garantizando que ningún código llegue a producción sin pasar las pruebas. El lector aprenderá sobre las estrategias de testing para modelos, APIs y componentes, así como el mockeo de servicios externos.
Este artículo técnico explica cómo conectar un formulario de contacto creado con React a Gmail utilizando Django. Se detalla la configuración de Django para enviar correos electrónicos a través de SMTP de Gmail, incluyendo la creación de una App Password para mayor seguridad. Aprenderás a configurar las variables de entorno necesarias, a implementar una vista en Django que envíe el correo electrónico al recibir un nuevo mensaje del formulario y a manejar errores en caso de que la configuración sea incorrecta. El flujo es sincrónico, ideal para sitios de bajo tráfico.
Este artículo detalla el despliegue de una aplicación full-stack serverless en Google Cloud Platform. Se describe la arquitectura, que incluye un frontend React en Cloud Run, un backend Django con DRF también en Cloud Run, una base de datos PostgreSQL en Cloud SQL con pgvector, y Vertex AI para embeddings y generación de lenguaje. Aprenderás a configurar el proyecto en GCP, habilitar las APIs necesarias, configurar las credenciales y crear una instancia de PostgreSQL en Cloud SQL. Se explica la migración a Neon PostgreSQL serverless.
Este artículo relata la experiencia de desplegar un blog personal en Google Cloud, detallando los desafíos y soluciones encontradas. Inicialmente se intentó un pipeline CI/CD con GitHub Actions, pero se descartó por costos y complejidad. Se describe la configuración de Cloud Run, incluyendo la ejecución de scripts de seeding de datos y manejo de credenciales. El lector aprenderá sobre las complejidades del despliegue en la nube y la importancia de adaptar las soluciones a las necesidades del proyecto.
Este artículo describe el proceso de creación de un blog personal desde cero utilizando Django y React. El autor explica la motivación detrás de esta decisión, optando por una arquitectura desacoplada para tener control total sobre la experiencia del usuario y la escalabilidad. Se detalla la estructura del proyecto, la elección de tecnologías como Django REST Framework para el backend y React con Material UI para el frontend, y los trade-offs de esta arquitectura. El lector aprenderá sobre la configuración inicial del backend con Django, incluyendo la definición de modelos de datos y la creaci
