🚀 ¡Domina GIT de una vez por todas y certifica tus conocimientos! 💻🔥

Si trabajas escribiendo código (ya sea en equipo o tú solo), no saber usar GIT es como escribir un libro sin ir guardando los cambios. ¡Es la herramienta obligatoria para cualquier desarrollador!

Para ayudarte a dar el paso, acabo de activar el cupón JOSECODETECHFEB26 en mi curso "GIT para Desarrolladores" en Udemy. Con este enlace tienes garantizado el MEJOR PRECIO disponible y, al terminar, obtendrás tu Certificado Oficial de Udemy para lucir en tu currículum o LinkedIn. 🎓

👇 Aprovecha el descuento máximo aquí: 🔗 https://www.udemy.com/course/git-para-desarrolladores/?couponCode=JOSECODETECHFEB26

---

🎁 ¿QUIERES MÁS RECURSOS GRATUITOS? Mi objetivo es que nunca dejes de aprender, por eso te recuerdo que tienes a tu disposición:

📂 Mi Repositorio de GitHub: Todo el código y los ejemplos que utilizo en mis cursos están en abierto para que los descargues y practiques por tu cuenta. 👉 https://github.com/josecodetech

📺 Mi Canal de YouTube: Decenas de vídeos, tutoriales y cursos completos (¡como el de Machine Learning!) totalmente gratis. 👉 https://www.youtube.com/@josecodetech

---

🙏 ¡UN PEQUEÑO FAVOR! Crear todo este contenido, tanto el gratuito como el premium, lleva muchísimas horas de dedicación. La mejor forma de apoyarme para que pueda seguir creando material es compartiendo esta publicación, recomendándola a tus compañeros de sector, o simplemente dejando un "Me gusta" y un comentario. ¡Me ayuda muchísimo a llegar a más gente! 🔄💙

¡Nos vemos en la terminal de comandos! 👨‍💻👩‍💻

One Hot Encoding

 Estoy avanzando a toda máquina con la creación de mi nuevo curso de Machine Learning con Python, basado en mi próximo libro. Hoy he subido el Capítulo 5 y quiero compartir un adelanto exclusivo con mi comunidad más cercana, solo para suscriptores del canal.

En este episodio abordamos uno de los problemas más comunes al preparar datos: ¿Cómo hacemos que un algoritmo entienda palabras como "Rojo", "Verde" o "Azul"? 🎨➡️🔢

Las máquinas solo entienden números, y aquí es donde entra en juego el One Hot Encoding.

🚀 Estado del Curso:

El curso completo se lanzará al público general en Mayo, pero si quieres ir aprendiendo y viendo el progreso paso a paso, ya puedes acceder al contenido de forma anticipada.

📽️ Mira el video 5 aquí: https://www.youtube.com/watch?v=cPF20XACsgM

¿Utilizáis get_dummies de Pandas o preferís OneHotEncoder de Scikit-learn? En el vídeo os cuento por qué prefiero el segundo para producción. 😉

¡Haz tus funciones legibles con NamedTuple! 🏷️🧐

¿Alguna vez has tenido una función que devuelve varios valores y luego no recuerdas qué era cada cosa?

# ❌ El problema: ¿Qué es el 200? ¿Qué es el 50?

resultado = obtener_dimensiones()

ancho = resultado[0]

alto = resultado[1]

Usar índices ([0], [1]) es confuso y propenso a errores. Podrías usar un diccionario, pero los diccionarios son mutables y más pesados. ¡La solución elegante es NamedTuple!

NamedTuple te permite crear pequeñas estructuras de datos donde cada posición tiene un nombre. Es como una tupla, ¡pero con etiquetas!

Mira la diferencia:

from typing import NamedTuple

# ✅ Definimos la estructura

class Dimensiones(NamedTuple):

ancho: int

alto: int

unidad: str

def obtener_pantalla():

return Dimensiones(1920, 1080, "px")

# ¡Ahora el código se explica solo!

pantalla = obtener_pantalla()

print(f"Resolución: {pantalla.ancho}x{pantalla.alto} {pantalla.unidad}")

# Salida: Resolución: 1920x1080 px

¿Por qué usar NamedTuple?

Legibilidad total: Accedes por nombre (pantalla.ancho) no por índice.

Inmutable: Los datos no se pueden cambiar por accidente, lo que evita bugs.

Ligero: Consume mucha menos memoria que una clase normal o un diccionario.

Auto-completado: Tu editor de código (VS Code, PyCharm) te sugerirá los nombres de los campos.

¡Deja de adivinar qué hay en la posición [0] y empieza a usar nombres! 🚀

Más trucos de Pythonic Code aquí 👇

🎥 https://www.youtube.com/@josecodetech/