latentExploraciones en el espacio latente
Escribiendo sobre machine learning, IA generativa e ingeniería de alto rendimiento. DBA Principal y graduado de MCS–DS de UIUC.
Artículos
Análisis profundos sobre ciencia de datos, machine learning e ingeniería de IA.
Ejecutar Ollama correctamente: Modelos locales y tus propios fine-tunes en una sola GPU
Ollama es la forma menos complicada de servir modelos locales en una sola GPU, pero sus valores predeterminados están ajustados para demos, no para producción. Analizamos lo que realmente importa —quantization, memoria de contexto, keep-alive— y cómo ejecutar tu propio modelo con fine-tuning tras la misma API.
Puse una IA en mi quiniela del Mundial. Así es como le fue realmente.
Un bot que lee el estado de los partidos en vivo desde la web abierta, convierte una lectura cualitativa de cada juego en un marcador y es evaluado diariamente frente a resultados reales. Tras una semana y media, ya tenemos las cifras.
Dos agentes de Pi y una tabla de clientes: Enmascarando PII antes de que cruce la red
Cuando un agente posee datos sensibles y otro necesita una copia, la jugada segura es enmascarar en el productor, no confiar en el consumidor. Lo construí con dos agentes de Pi y un dataset bancario, luego hice un grep al tráfico en busca de filtraciones y el conteo fue cero.
Cómo funciona realmente un loop de agente ReAct
Un recorrido por una ejecución real de un agente ReAct: la consulta fue "Houston, we have a problem" y el agente devolvió la marca de tiempo exacta de YouTube. Puedes reproducir la ejecución grabada dentro de este artículo, incluyendo los tokens de pensamiento.
El Prompt Engineering ha muerto, larga vida al Prompt Engineering
Muchos decían que el prompt engineering era una moda pasajera. Se equivocaron: simplemente evolucionó. Del prompting artesanal al diseño sistemático de prompts para sistemas en producción.
Construcción de sitios web personales impulsados por IA
Tu sitio de portafolio puede hacer más que mostrar contenido estático. Aprende a integrar chat de IA, RAG y herramientas agénticas en un sitio web personal.
El auge de la generación estructurada: de JSON Mode a Grammar-Constrained Decoding
Garantizar una salida válida de los LLMs requiere más que solo prompting. El grammar-constrained decoding impone la estructura a nivel de token; aquí explicamos cómo funciona.
Self-Hosting de IA: Ejecutando LLMs en tu propio hardware
Las APIs en la nube son convenientes pero costosas. Explora cómo ejecutar LLMs de código abierto en tus propios servidores, desde la selección de hardware hasta la optimización de la inferencia.
PostgreSQL como base de datos vectorial: pgvector en producción
No necesitas una base de datos vectorial independiente. pgvector convierte a PostgreSQL en un motor de búsqueda semántica con índices HNSW, consultas híbridas y todo el poder de SQL.
Claude Code y el futuro del desarrollo asistido por IA
Claude Code integra un agente de IA directamente en tu terminal. Explora lo que las herramientas de codificación autónomas significan para los flujos de trabajo de ingeniería de software.
Workflows agénticos: Orquestación de pipelines de IA de múltiples pasos
La IA de un solo prompt está alcanzando su límite. Los workflows agénticos encadenan múltiples llamadas a LLM con herramientas, ramificaciones y bucles de retroalimentación para resolver tareas complejas de manera confiable.
Servidores MCP: Construyendo IA con uso de herramientas mediante Model Context Protocol
El Model Context Protocol estandariza cómo los modelos de IA descubren y utilizan herramientas. Conoce cómo funcionan los servidores MCP y por qué son fundamentales para el futuro de los agentes.
12 de 41 artículos
Pregúntale a mi IA
Entrenada con mi currículum, proyectos de GitHub y artículos del blog. Pregunta sobre mi experiencia, pega una descripción de puesto para análisis de compatibilidad, o comparte un log de error de base de datos para ver el sistema experto en acción.
Asistente IA
Impulsado por Gemini · RAG · herramientas agénticas
Hi! I'm an AI assistant for this blog.
I can answer questions about Oswaldo, but I can also take action for you right here:
- Schedule a call — I'll check his calendar and send you a Google Calendar invite
- Send a message — share your contact info and I'll email it to him directly
- Generate a tailored resume — tell me the role and I'll produce a targeted version
What would you like to know or do?
Acerca de
Soy Oswaldo Orona — Administrador Principal de Bases de Datos y profesional de IA con base en Denver, CO. Tengo un MCS–DS de UIUC (Tau Beta Pi, Phi Kappa Phi) y aporto más de 25 años de experiencia en bases de datos junto con trabajo práctico profundo en machine learning e ingeniería de IA.
Mis áreas de enfoque incluyen Generación Aumentada por Recuperación (RAG), agentes de IA, Model Context Protocol (MCP), IA geoespacial e IA financiera — todo ejecutándose en un laboratorio casero Proxmox auto-hospedado con Docker y LXC.
Este blog es donde documento exploraciones en el espacio latente: las ideas, experimentos y sistemas que viven entre los datos y el modelo.
ML & IA
- PyTorch
- TensorFlow
- RAG
- NLP
- Computer Vision
- LLMs
Bases de Datos
- PostgreSQL
- Oracle
- Redis
- pgvector
- DynamoDB
Infraestructura
- Docker
- Proxmox
- Ansible
- AWS
- Linux
Lenguajes
- Python
- R
- SQL
- PL/SQL
- Java
- Bash