Partner verificado
Codere
- Operador con trayectoria internacional amplia
- Plataforma local adaptada al mercado colombiano
- Atención en español y soporte dedicado
Socios verificados
Nuestros partners de confianza
Trabajamos únicamente con plataformas que cumplen estándares estrictos de licenciamiento y transparencia. Cada socio ha sido revisado por nuestro equipo.
Licencia N° C-2229
Partner verificado
Bwin
- Marca europea con presencia global consolidada
- Licencia oficial visible y verificable
- Interfaz limpia y navegación intuitiva
Partner verificado
BetPlay
- Una de las marcas más reconocidas en Colombia
- Ecosistema robusto con opciones variadas
- Experiencia estable en navegador y móvil
Una comunidad que aprende junta
Reunimos a personas curiosas por los datos. Compartimos recursos, flujos de trabajo y trucos que funcionan en portátiles comunes. Aquí nadie se queda solo frente a un archivo de veinte gigabytes.
Datos accesibles para todos
Durante años se creyó que analizar conjuntos de datos de varios gigabytes era tarea exclusiva de centros de cómputo. Hoy eso ya no es cierto. Con las herramientas adecuadas, un portátil modesto puede procesar lo que antes requería una sala de servidores.
Streaming en lugar de carga total
Procesa los datos por trozos. Nunca cargues un archivo de 40 GB entero a la memoria cuando puedes leerlo línea por línea.
Almacenamiento por columnas
Formatos como Parquet reducen el peso de tus archivos hasta diez veces. Leer una columna ya no implica leer todo.
Memoria externa inteligente
Herramientas como DuckDB o Polars consultan archivos en disco como si estuvieran en RAM. Sin drama, sin configuración.
Muestreo con cabeza
A veces el 2% de los datos cuenta la misma historia que el 100%. Saber cuándo muestrear es una habilidad, no un atajo.
Lo que la gente descubre con nosotros
Desde cualquier lugar
12 GB
procesados en un portátil de gama media
Formatos que importan
8x
menos peso al pasar de CSV a Parquet
Consultas directas
3 s
para consultar 50 millones de filas con DuckDB
Entré a Mejores pensando que necesitaba una máquina de varios miles de dólares para analizar los registros de mi tienda. Resultó que mi laptop de trabajo servía perfectamente. Solo me faltaba saber qué herramientas usar y en qué orden.
Camila R., analista de inventario
Temas que exploramos en la comunidad
Polars y DataFrames ligeros
Una alternativa a Pandas escrita en Rust. Más rápida, más eficiente con la memoria y con una sintaxis que aprendes en una tarde.
DuckDB en acción
SQL directo sobre archivos locales sin montar un servidor. Ideal cuando quieres respuestas rápidas sin pelear con infraestructura.
Procesamiento por lotes
Dividir el trabajo en trozos pequeños es el truco más viejo del libro, y sigue siendo el mejor. Hablamos de cómo hacerlo bien.
Formatos columnares
Parquet, Feather, ORC. Cada uno tiene su lugar. Explicamos cuándo elegir cada cual sin entrar en teoría innecesaria.
Muestreo estadístico
Cuándo una muestra basta y cuándo no. Cómo construirla sin sesgar los resultados. Menos intuición, más método.
Pipelines reproducibles
Un flujo que funciona en tu portátil también debe funcionar mañana. Organización, versionado y notas que tu yo futuro agradecerá.
En Mejores pensamos que el conocimiento técnico no tiene por qué estar reservado a quienes pueden pagar infraestructura costosa. Un portátil decente, curiosidad y las herramientas correctas pueden llevarte bastante lejos. Nos reunimos para compartir lo que funciona, discutir lo que no, y acompañarnos en el camino.
Trabajar con grandes volúmenes de datos sin una supercomputadora
Hace una década, procesar un archivo de veinte gigabytes en un portátil era casi una broma. La memoria se agotaba, el sistema se congelaba, y la conclusión habitual era que hacía falta una máquina más grande. Esa historia cambió. No porque los portátiles hayan crecido tanto, sino porque las herramientas que corren sobre ellos se volvieron mucho más inteligentes.
El primer cambio importante fue dejar de pensar en los datos como algo que debe caber entero en la memoria. Las bibliotecas modernas leen archivos por trozos, procesan cada trozo y liberan la memoria antes de pasar al siguiente. Es una idea sencilla que resuelve la mayoría de los problemas de escala que la gente enfrenta en la práctica.
El segundo cambio fue el formato. Los archivos CSV son cómodos pero muy pesados. Parquet, por ejemplo, guarda los datos por columnas en lugar de por filas, y aplica compresión por columna. Un archivo de quince gigabytes en CSV puede quedar en dos gigabytes en Parquet sin perder nada. Además, cuando solo necesitas tres columnas de las cincuenta disponibles, Parquet lee exactamente esas tres. CSV te obliga a leerlo todo.
Luego están las herramientas de consulta directa sobre archivos. DuckDB es probablemente el ejemplo más llamativo de los últimos años. Te permite escribir SQL contra archivos Parquet o CSV en tu disco duro sin montar ningún servidor. No necesitas importar los datos a ninguna base. Abres la terminal, escribes tu consulta, obtienes el resultado. Para conjuntos de decenas de millones de filas, las respuestas llegan en segundos.
Polars es otro nombre que se oye seguido en nuestra comunidad. Está escrito en Rust y fue diseñado desde cero pensando en velocidad y en manejo eficiente de memoria. Si vienes de Pandas, la sintaxis te resultará familiar en líneas generales, aunque tiene sus particularidades. La curva de aprendizaje es corta y las recompensas son inmediatas.
Ninguna de estas herramientas elimina la necesidad de pensar. Un flujo mal diseñado seguirá siendo lento sin importar lo bueno que sea el motor. Por eso en Mejores dedicamos tanto tiempo a discutir el orden de las operaciones, cuándo filtrar, cuándo agrupar, cuándo guardar resultados intermedios. Los detalles importan más que las herramientas.
Si te interesa sumarte a estas conversaciones, nos encontrarás en la sección de quiénes somos. No pedimos experiencia previa ni títulos. Solo curiosidad y ganas de compartir lo que vas aprendiendo.