Hacia Afuera con Omar Espejel

*Jorge habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Jorge quiso decir. Jorge es Senior Software Engineer en Microsoft. Anteriormente, trabajó en importantes empresas como Amazon, Wizeline, Intel y Android. Es ingeniero en Tecnologías de la Información y Comunicaciones del Tecnológico de Monterrey. Tiene experiencia en múltiples tecnologías que van desde dispositivos móviles (Android/Java) hasta Web (Nodejs/Rails) y desarrollo de plataformas en la nube (Go). Consejos para hispanohablantes que desean trabajar en una empresa como Microsoft: -Tener ganas de crecer profesionalmente. -Si planeas aplicar a empresas extranjeras, prepárate constantemente. -Construye un plan realista. Cuida tu salud mental. Trabajar en Amazon México no es igual a trabajar Amazon USA. -Tu experiencia laboral no garantiza una posición de Senior. -Si consideras que una oportunidad no es para ti, déjala pasar. Llegar al lugar que quiere puede tardar años.

*José habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que José quiso decir. José Cañete (@jocannete) es ingeniero de Machine Learning en el Centro Nacional de Inteligencia Artificial (CenIA) en Chile. Una iniciativa apoyada por el gobierno y sector privado chileno para empujar la inteligencia artificial no solo en Chile sino en todos los países hispanohablantes. El CenIA conjunta investigadores de las mayores universidades chilenas y en los siguientes años escucharemos hablar de ella más y más. José es co creador de BETO, la versión en español más famosa de BERT. Un modelo que cambio el mundo del Machine Learning. Antes trabajó en la Universidad de Chile y como Lead Data Scientist en Adereso Minds. Comienzo del paper de BETO: ‘’El idioma español es uno de los 5 principales idiomas hablados en el mundo. Sin embargo, encontrar recursos para entrenar o evaluar modelos de lengua española no es una tarea fácil. En este documento, ayudamos a cerrar esta brecha presentando un modelo basado en BERT modelo de lenguaje pre-entrenado exclusivamente con datos en español”. Podcast: copadas Habilidades que lo han llevado al éxito: -Ser multidisciplinario. Desenvolverse en diversas áreas. -Salir de la zona de confort. Camino para crear a BETO: -Profesores en Chile crearon recursos en ML en español. Fue una oportunidad para llegar a personas de habla hispana. -Recolectaron todo el texto posible en español en BERT para formar el dataset. -Se sumaron más personas que ayudaron a evaluar el modelo. Importancia de BERT para el deep learning: -La parte fundamental del BERT es que su representación final que da el modelo basado en Transformers no es fija. -La técnica de attention te permite paralelizar las operaciones. Entrenar con corpus gigantes de textos para tener resultados interesantes. Futuro del NLP: -Los modelos serán más grandes y más difíciles de entrenar. -Habrá técnicas para gestionar modelos de forma más eficiente. -Buenos resultados en tareas concretas. Será un mundo en el que un modelo estará entrenado para realizar varias tareas. -Los modelos de Transformers seguirán presentes a lo largo del tiempo. Son similares a un computador actual. -Transformers entrenados para ordenar. Recursos computacionales para crear un modelo como BETO: -Datos hardware que se entrenan en GPUs. Stacks tecnológicos: -Python, especialmente Pytorch. -Jupiter Notebooks. -Colab. -Script. -Visual studio code. -HuggingFace. Recomendaciones para hispanohablantes: -Aprender distintas áreas. -Participar en eventos para formar parte de una comunidad. -Tener varios hobbies.

*Sergio habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Sergio quiso decir. Sergio (@sergiopprz en Twitter) es ingeniero de aplicaciones de IA en Graphcore (@grafcoreai) donde se enfoca en implementar y optimizar aplicaciones de ML de última generación utilizando la tecnología Poplar SDK e IPUs. Cuenta con una licenciatura en matemáticas e ingeniería aeroespacial. Recientemente, defendió su doctorado en el Imperial College London. Ha liderado iniciativas en educación abierta, política científica, diplomacia y comunicación con el objetivo de construir una sociedad mejor. Su pasión es desarrollar software basado en inteligencia artificial y matemáticas para resolver problemas desafiantes. Habilidades claves en su carrera: -Tener referencias externas a uno mismo. -Buscar mentores. Puedes conseguirlos en la universidad o en comunidades. Qué son las IPUs y qué hace el equipo de aplicaciones en Graphcore: -Las IPUs han sido diseñadas para algoritmos de IA y tienen propiedades como paralelismo de baja precisión y aritmética de tipo disperso. Es de los pocos dispositivos en el mundo diseñados específicamente para IA. -El equipo de aplicaciones de Graphcore analiza o estudia aplicaciones que otras empresas de investigación han desarrollado e implementarlas en las IPUs. Habilidades técnicas para aprender a trabajar con IPUs: -Dialogar con empresas para saber qué algoritmos necesitan. -Buscar una manera de implementarlo en Tensorflow y Pytorch. -Tensorflow y Pytorch son solo la superficie de programas. Por debajo y hasta llegar a los drivers hay muchos más lenguajes de programación. -Conocimiento en Python y C++. -Las IPUs son compatibles con Transformers. Puedes entrenar modelos T5. ¿El IPU-POD16 de Graphcore es más veloz que un VGX A100 de NVIDIA? -Hay dos factores que hacen diferentes a las IPUs y las GPUs: 1) paralelismo y 2) acceso a la memoria. -Todos estos chips se basan en ejecutar tareas de forma paralela. Los GPUs tienen muchos núcleos que trabajan en paralelo con una sola instrucción. Las IPUs son múltiple instrucción, múltiple dato. -La GPUs y las IPUs se basan en memoria de tipo RAM-estática y RAM-dinámica. En las IPUs la memoria está muy cerca en cada uno de los núcleos, es decir, cada núcleo tiene una memoria asociada y suficiente para almacenar el modelo. -Con las IPUs se busca ser eficientes y mantener el grado de libertad para mantener los algoritmos. ¿Dónde conseguir las IPUs? -Graphcore anteriormente vendía los IPUs. Ahora se puede acceder a ellas a través de la plataforma Spell.ml de manera gratuita por un par de horas. Futuro de Graphcore con las IPUs: -Aumentar la adopción de las IPUs. -Utilizarlo para modelos que ya son una realidad como BERT. -Desarrollar la nueva generación de modelos de ML que van a permitir llegar a niveles de IA inalcanzables con modelos actuales. -Seguir mejorando el producto. Hacer optimizaciones guiadas por la comunidad. Recomendaciones para hispanohablantes que quieren trabajar en Graphcore: -Estudiar una carrera orientada a IA. -Estudiar en los ratos libres conocimientos básicos. -Ser autodidacta.

*Andrea habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Andrea quiso decir. Andrea (@Andyvargtz en Twitter) es Developer Evangelist y Community Manager de Avalanche (@avalabsofficial), una plataforma de desarrollo de smart contracts. Posee una Licenciatura Actuarial Science y una Maestría en Ciencias de la Computación del Instituto Tecnológico Autónomo de México. Habilidades que la han llevado al éxito profesional: -Definir el camino hacia dónde ir. -Enfocar todos los esfuerzos a cumplirlo. -Hacer cursos e investigar más sobre lo que quieres aprender. -Integrarse a una comunidad. Involucrarse. ¿Qué evalúa una empresa de cripto como Avalanche antes de contratar? -Interés y participación en las comunidades. Interactuar y darse a conocer. -Evalúan tu capacidad y proactividad antes de contratarte formalmente. -No es necesario tener un perfil técnico. Avalanche considera diversos aspectos. -Tener una cartera cripto es un plus. ¿Es difícil usar y programar en cripto? -Usar cripto puede ser intimidante más no difícil. Tiene una curva de aprendizaje. -Para entrar en este mundo, primero aprende Solidity y luego conoce cómo funciona una blockchain y sus generalidades. -La máquina virtual de Ethereum se programa con Solidity. Si eres desarrollador con conocimientos en Javascript es muy sencillo pasarte a Solidity. Funcionamiento de Avalanche: -Ethereum sirve para crear una computadora ya descentralizada totalmente programable. Permite desarrollar contratos inteligentes. -Hay 3 cadenas principales en Avalanche: 1) la cadena C es una máquina virtual de Ethereum compatible con Solidity. Si eres desarrollador, te pasas a la cadena C y puedes utilizar Avalanche y tener costos bajos y mayor velocidad de transacciones. -Avalanche no distingue qué transacción es más importante que otra, pero cuando hay saturación, sus costos suben. -Puedes tener aplicaciones de uso específico como gaming montadas en tu propia blockchain sobre Avalanche teniendo características como definir el costo de tu red, emplear tu token como gas, rapidez y ecología. ¿Por qué programar un videojuego en Avalanche y no en una L2 de Ethereum? -Hay muchos juegos que se montan sobre una blockchain y sus tokens se quedan a nivel de aplicación. Avalanche permite darle una utilidad extra al token para pagar las transacciones. -Avalanche permite que todos los validadores de una cadena, sean validadores de la red primaria. -A nivel regulación Avalanche se adecua sus soluciones de acuerdo a las legislación que necesitan los validadores. -En la documentación de Avalanche, en la sección de tutoriales, pueden encontrar desde cómo desarrollar una Subnet hasta cómo crear una DAO con contratos inteligentes. ¿Cómo iniciar en el mundo blockchain? -Comprar cripto para interactuar. -Investigar qué tecnología vas a utilizar y por qué. Con Avalanche tienes bajos costos de transacciones y mayor velocidad. -Abrir una Wallet no custodiada como Meta+. Agrega la red de Avalanche y comienza a operar.

*María habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que María quiso decir. Maria Cuellar (@maria__cuellar en Twitter) es Profesora Asistente en el departamento de Criminología, Estadística y Ciencia de Datos en la Universidad de Pensilvania. Su trabajo está impulsado en proyectos interdisciplinarios en políticas públicas, salud pública y ciencia forense. Su formación es principalmente en estadística y ciencia de datos. Está interesada en la intersección de la estadística y la ley, particularmente cómo responder preguntas legales usando estadística. Es Presidente del Comité Asesor de Ciencias Forenses de la Asociación Estadounidense de Estadística y es miembro de la facultad en el Laboratorio de Políticas de Crimen y Justicia en la Universidad de Pensilvania. Habilidades que la han llevado al éxito:  -Tener buen entrenamiento en temas matemáticos.  -Flexibilidad para aplicar el conocimiento matemático en diversos contextos.  -Perder el miedo a tener que saberlo todo. Aprender y colaborar es lo más importante. Cómo resolver el problema de causalidad:  -Plantearse las preguntas correctas.  -Aplicar variables instrumentales, puede ser.  -Adaptar los métodos para que sean adecuados a cada pregunta. Stack tecnológico:  -Una vez definido lo que se va a estimar, se emplean múltiples herramientas como aprendizaje de máquina y métodos estadísticos.  -R, Python y Stata.  -Paquetes de visualización de datos y gráficos en R como ggplot.

*Xavier habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Xavier quiso decir. Xavier Carrera (@XaviGrowth en Twitter) es un nómada digital que trabaja como Data Scientist en @HomieMx_ una startup de alto crecimiento en México que conecta inquilinos con propietarios. Comparte en su Twitter mucha información educativa sobre Machine Learning. Tiene un tweet muy interesante que dice: Amanecí con ganas de tomarme una semana libre para irme a encerrar a una cabaña en la mitad de la nada para escribir un libro sobre todas las cagadas en mi vida y qué aprendí de ellas’. Nos cuenta esos aprendizajes aquí. Platicamos sobre habilidades blandas y aprendizajes para crecer como personas en general. Temas que le han llamado la atención: -Viajar por América Latina y conocer la presencial cultural de México en otras regiones. -Modelos actuariales que se desarrollan en Homie. Habilidades que lo han llevado al éxito: -Constancia/disciplina. -Paciencia y tolerancia al fracaso. -Motivarse a aprender. -Cuando creas contenido las oportunidades te empiezan a llegar. Es más escalable crear un tweet que se viralice a estar enviando miles de curriculums. Su primer empleo como data scientist comenzó porque una persona encontró uno de sus trabajos y lo invitó a una entrevista. Habilidades blandas que debe desarrollar un latinoamericano: -Comunicación efectiva. -Empatizar con los demás. Un data scientist tiene contacto con diferentes departamentos de una empresa como producto, finanzas y marketing. -Entender las perspectivas de los demás. -Compartir ideas y convencer a los demás que tu trabajo es de valor. -Ser creativo. Anécdotas: -Los departamentos de una empresa pueden ir a diferentes velocidades. Hay que buscar una solución que funcione para todos. -Estudió las licenciaturas de relaciones internacionales y antropología social. Hizo una maestría en ciencias políticas. Aprendió las bases de probabilidad y estadística. -Trabajó en gobiernos y ONGs. Aprendió sobre estadística descriptiva, redacción y marketing. -No importa tu carrera de origen o que no tengas una licenciatura. Puedes aprender ciencia de datos sin problema. -Nada es una pérdida de tiempo si aprendes la lección. Hard skills para hispanohablantes: -Aprender inglés. -Aprender SQL. -Crear un portafolio. -Manejar Python y R. -Aprender matemáticas avanzadas y estadística. -Saber responder el por qué de las cosas. Por ejemplo, por qué cae el precio de los inmuebles. -Buscar una orientación. Mientras más pronto lo sepas, más fácil será entender qué herramientas debes manejar. Si te orientas al ML, por ejemplo, es necesario aprender sobre Pytorch y Tensorflow. La Web3 y Data Science: -La Web3 proporcionará millones de datos descentralizados. -Los datos podrán verificarse de manera sencilla. -“La mayoría de data scientists NO tenemos un título universitario en ciencia de datos”

*Juan habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Juan quiso decir. @juanpflores_ es ingeniero informático de la UNAM. Es Gerente de Programa de GitHub Campus Experts en el GitHub Education Team. Busca apoyar a estudiantes para que puedan desarrollar sus capacidades y carreras profesionales, y brindarles todos los recursos necesarios para hacer comunidad. Le apasiona crear oportunidades para los estudiantes, crear puentes entre diferentes comunidades y ayudar a personas de diversos orígenes a programar. Twitter: @GitHubEducation Habilidades que lo han llevado al éxito: -Participar en comunidades. Asistir a eventos y hacer networking. -Saber escuchar y participar en conversaciones con personas que poseen más conocimiento. -Conectar en eventos como hackathones. Colaborar te permite ampliar el open source. Evolución del open source: -El open source ha pasado a ser una contribución para la sociedad y las comunidades. -Es una manera de involucrarte y conectar con la comunidad de un proyecto. -Un proyecto open source no solo estará en tu computadora sino en muchos servidores como los de GitHub. -Tiene una carga política. Movimientos sociales emplean el open source para comunicarse y compartir información. -En materia de educación el open source contribuye con las carreras profesionales. -Recibir feedback de una persona que está revisando tu código es uno de los mayores beneficios de un proyecto open source. -Las comunidades apoyan a las personas que quieran hacer sus primeras contribuciones en código. Cómo contribuir en open source: -Crear código no es la única contribución valiosa. Puedes hacer contribuciones en traducciones, limpiar issues y más. -Desarrollar issues y pull requests con comentarios y guías de buenas prácticas. -Hacer technical writing para tener una documentación limpia y guiar a personas que deseen utilizar el proyecto. -GitHub tiene una sección llama “first contributions” donde puedes encontrar las primeras contribuciones sugeridas de un proyecto. ¿Es mejor la universidad o la no universidad? -En 2011 surgieron nuevas corrientes de educación llamadas Edupunk y Edupop. El Edupunk es un método de aprendizaje abierto y se opone a las metodologías tradicionales. El Edupop establece que los medios digitales se van a convertir en una forma de poder comunicar educación. -Con la creación de ambas corrientes nace el aprendizaje invisible. Cuando ves un vídeo en Youtube puedes guardar información en tu memoria. -La universidad y la no universidad deben ser métodos de aprendizaje complementario. Complementa tu educación contribuyendo en proyectos open source. Recomendaciones para hispanohablantes: -Lo más importante es comenzar. Si quieres contribuir a un proyecto de código abierto crea un issue. -Explora el ecosistema tecnológico. -Si no tienes mentor acércate a una persona o grupo que pueda dirigirte.

* Omar habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Omar quiso decir. Omar Flores trabaja como Machine Learning Researcher en Twitter. Antes fue Senior Research Manager en Capital One y Research Scientist en Intel. “Mis padres me inculcaron a siempre superarme y estar en constante aprendizaje” le contó Omar a El Comercio, uno de los diarios más importantes de Perú. Busca democratizar el aprendizaje de máquina entre la población latinoamericana con esfuerzos como un diccionario de aprendizaje de máquina de inglés a español. Es creador de la aplicación Los Rostros del Bicentenario de Perú en la que se utilizar inteligencia artificial para recrear los rostros de figuras históricas nacionales. Forma parte del Comité de Expertos para la Estrategia Nacional de Inteligencia Artificial del Gobierno de Perú. Es notorio su interés en contribuir al desarrollo de esta tecnología no solo en Perú sino en toda Latinoamérica. Omar nos cuenta sobre viaje y valores que lo han llevado a donde se encuentra. Una hora de valioso material. Twitter: @OmarUFlorez App: Los Rostros del Bicentenario de Perú.  Artículo de El Comercio sobre Omar.  Diccionario inglés-español para aprendizaje de máquina. Temas que le han llamado la atención: -Nuevo algoritmo que crea rostros para cuentos de infantes. Renderiza el rostro de una persona basado en una foto a modo de que el héroe de la historia sea la niña o niño. -La IA está apuntando a una nueva generación de jóvenes que verán sus beneficios aplicados en tareas lúdicas. Los Rostros del Bicentenario Peruano: -Muchos de los héroes no tienen una imagen real de su rostro. El proyecto busca entrenar algoritmos con rostros peruanos que generen representaciones de estos héroes. -El mensaje detrás de este proyecto es que el rostro de estos héroes fue similar al de cualquier peruano que te puedes encontrar en la calle. Talento que lo ha llevado al éxito: -La rutina te permite generar hábitos. Usar la rutina en un sentido correcto permitirá desarrollar hábitos eficientes. -La secuencia de esfuerzos pequeños te puede llevar a lograr cosas interesantes. -La disciplina es un talento que se puede cultivar. -El libro Atomic Habits de James Clear puede ayudar. Algunos hábitos de Omar: -Aprender de las personas que poseen mayor conocimiento. -Tener humildad para escuchar y entender que hay cosas por mejorar. Soft skills: -No pensar localmente. Si bien la competencia con personas de otros países por una carrera en Google, Twitter o Facebook es globalizada; las oportunidades también lo son.  -La distancia entre una oportunidad y la otra es un email. No tengas miedo de enviar un tweet ni de mostrar tus habilidades.  -No importa cuantas veces te dirán que no, importa cuantas veces te dicen que sí. -No pensar solo en trabajo o en programación. Es necesario tener una parte artística. -Hay muchas oportunidades para los latinos en IA. Nunca hubo tanta información gratis para aprender. -El camino entre el estudio y la prosperidad nunca había sido tan claro como hasta ahora. Hard skills: -Aprender Python para ML. -Leer cada noche. -Tener una rutina. -Hacer deporte.

Disclaimers: Daniel habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Daniel quiso decir. Daniel trabaja en expandir la descentralización en el campo de la genómica. Lleva más de cinco años en el mundo blockchain y está innovando en hacer que las personas gobiernen sus datos. Es CEO y cofundador de Genobank, un empresa que ofrece una solución web3 para administrar datos de genómica. Utilizan el blockchain para almacenar digitalmente los datos de pacientes en una billetera y ellos mismos puedan decidir con quién y qué datos comparten de manera anónima. Los datos de tu ADN pueden ser compartidos con investigadores para avanzar la ciencia, solo si así tú lo deseas. Estudió su MBA en el IPADE en la Ciudad de México. Es además un emprendedor serial e inversionista ángel en startups de blockchain. Twitter: @duribeb @genobank_io Temas que le han interesado recientemente: -Congelamiento de las cuentas de banco por parte del gobierno canadiense a movimientos de protesta de camioneros por rehusarse a la vacunación obligatoria contra el Covid-19 en Canadá. -Legalización del Bitcoin en Ucrania. Es el segundo país en el mundo además de El Salvador en declarar la legalización. -Las DAOs (Organización Autónoma Descentralizada) en ciencia para temas de envejecimiento. -Bitcoin es la primera moneda hecha por ciudadanos para ciudadanos. Esta frase viene inspirada de los 70s con el sistema operativo UNIX. Sobre genómica: -GenoBank tiene parte privada y parte open source. Los contratos inteligentes que emplean están basados en ERC721, ERC1155 y el nuevo estándar ERC2477. -Un ERC es un Ethereum Request for Comments. Consiste en enviar un mensaje a la comunidad compuesto por 4 fases: 1) propuesta de la idea, 2) justificación, 3) pilotos y 4) publicación de ERC como parte del ecosistema Ethereum. -EL ERC721 es no fungible y muy usado. Tiene la vulnerabilidad de que se puede cambiar fácilmente la metadata y el activo digital al que está apuntando. Impulsó el movimiento del ERC2477 que protege la integridad de los metadatos. -Para que el consumidor pueda obtener sus datos genéticos puede contratar a alguna de las empresas que presta el servicio, comprar un kit de saliva de alrededor de 2 ml y enviarlo al laboratorio. El resultado permite ubicar a las personas en diferentes contextos como la predisposición a la diabetes o al alzheimer. Sobre GenoBank: -GenoBank busca ser una red descentralizada de permisos de uso sobre datos genéticos basados en leyes de privacidad locales. -Su primer token permite tener control sobre el uso de datos que solo el dueño de la wallet puede revocar. -Este token busca que 1) los datos sean del consumidor y 2) que el token sea el permiso de uso de los datos sujetos a leyes de privacidad. -El usuario puede revocar sus datos. En California se creó la ley SB41 aplicada a empresas que tratan con datos genéticos. Los usuarios tienen 4 derechos: 1) derecho a saber qué tipo de datos tienen, 2) derecho a editar los datos, 3) derecho a la portabilidad y 4) derecho al olvido. -Cuando se revoca el token la empresa debe dar un aviso criptográficamente firmado donde se le garantiza al usuario que sus datos fueron borrados. -En GenoBank el usuario firma un contrato inteligente donde asegura a la empresa como custodio sin el derecho de vender los datos o de transferirlo a otras entidades. Es una relación más transparente. -Si la genómica sigue avanzando el acervo de información debe pertenecer a la familia y debe ser información descentralizada. GenoBank busca esto en el futuro.

Disclaimers: *Ricardo habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es mi interpretación y no necesariamente lo que Ricardo quiso decir. No estamos recomendando invertir en Avalanche. Ricardo Oruka trabaja en Avalanche (AVAX) como Business Developer para América Latina. Avalanche es una una plataforma de desarrollo de smart contracts. Desde 2021 es uno de los proyectos más relevantes en la Web3. Fue creada por Emin Gün Sirer (@el33th4xor), ex profesor de la Universidad de Cornell. Está ganando fuerza en todo el mundo pero en particular en LATAM con el gran trabajo que está haciendo Ricardo y su equipo. Avalanche busca solucionar los altos costos de hacer transacciones, por ejemplo, en la Layer 1 de Ethereum. Ricardo es un ejemplo de la meritocracia en Avalanche. Comenzó colaborando sin ser una persona reconocida en el mundo del blockchain. Actualmente es el punto de contacto #1 en América Latina para las personas que quieren formar parte del ecosistema Avalanche. Su historia es clave para comprender cómo funciona laboralmente el mundo de la Web3 y las oportunidades que se están generando. Twitter: @RicardOruka @avalancheavax Talentos que han llevado a Ricardo al éxito: - No tenerle miedo al éxito. - La suerte siempre te encuentra trabajando. - Rodéate de personas que ganen y que les guste ver a los demás ganar. ¿Cómo comenzó Ricardo en el mundo del blockchain? - Ricardo es economista. En 2015 se incorporó al IPAB (Instituto para la Protección al Ahorro Bancario) y colaboró en temas de mejores prácticas en seguros de depósitos a nivel global. Allí fue cuando comenzó a relacionarse con el ecosistema Bitcoin. - En 2017 comenzó a colaborar y a participar en comunidades en Telegram. Luego se asoció con unos amigos e hicieron una consultora blockchain orientada a la educación. - En septiembre de 2019 se fue a Holanda y vio por Telegram la noticia de que el profesor Emin Gün Sirer de la Universidad Cornell iba a sacar su propia blockchain con una visión diferente. Se postuló cuando eran solo 500 personas en el grupo de Telegram. Actualmente son 60.000 miembros aproximadamente en este grupo. - En este tipo de iniciativas blockchain no vale tanto tu curriculum o tus credenciales. Vale lo que demuestras trabajando y colaborando. Recursos y documentación que pueden ayudar a los desarrolladores: - La documentación, con valiosos tutoriales, la pueden encontrar en docs.avax.network - También está el GitHub. Es github.com/ava-labs. - Si tienen dudas muy específicas está el Discord: chat.avax.network. - Si tienen dudas menos complejas está el telegram: avalanche_es. - En Avalanche no hay un proceso de contratación formal donde te piden tu CV y te hacen una entrevista, son muy escasos esos procesos. Se busca personas que siempre estén colaborando y que acorten los procesos. - Los CVs están siendo sustituidos por (1) NFTs que reflejan tu participación en eventos; y (2) las redes sociales. - Nos estamos moviendo a un mercado laboral diferente. Lo más importante es colaborar y aprender. Ricardo nos cuenta todo para que conozcamos Avalanche: - Las razones por las que tiene bajos costos, rapidez, seguridad. Todo manteniendo la descentralización. - Las subnets y cómo buscan solucionar la escalabilidad. - Cómo Avalanche es compatible con todas las herramientas en Ethereum como Metamask, Solidity, etc.