Programo porque es resultón

Índice 1. Introducción: ¿Por qué Todo el Mundo Habla de Python? 2. ¿Qué Necesitas Saber Antes de Empezar con Python? 3. Las 4 Primeras Cosas Que Deberías Aprender en Python 4. Herramientas Esenciales para Aprender Python (Y Cómo Configurarlas Sin Perder la Cordura) 5. Cómo Diseñar un Plan de Aprendizaje de Python a Medida 6. Ejercicios Prácticos: Aprende Python Haciendo 7. Recursos Gratuitos y Pagos para Aprender Python 8. Los Errores Comunes al Aprender Python (Y Cómo Superarlos Sin Drama) 9.

Introducción a las Tablas Dinámicas en Excel Las tablas dinámicas en Excel las verás una y otra vez si trabajas con este programa. Es una herramienta interactiva para explorar tablas de datos, especialmente cuando esta exploración está relacionada con la operación de agrupación —el GROUP BY de SQL. Cuando lees acerca de tablas dinámicas en Excel, la referencia suele ser la propia herramienta, disponible en el botón Tabla dinámica o Pivot table (si lo tienes en inglés).

Descubre ejemplos prácticos de análisis de datos en diversas industrias. Aprende cómo el análisis de datos mejora negocios, salud, educación, finanzas y más. Introducción al Análisis de Datos ¿Qué es el análisis de datos? El análisis de datos es un proceso con el que examinas conjuntos de datos. Pero no sin razón. Normamente tendrás un objetivo: encontrar información útil, tomar decisiones informadas respaldar la toma de decisiones. Este proceso incluye la recopilación, limpieza, transformación y modelado de datos.

Índice Introducción: cómo Python triunfó Qué es Python y por qué aprenderlo Factores que influyen en el tiempo necesario para aprender Python Etapas del aprendizaje de Python Recursos recomendados para aprender Python Estrategias para acelerar tu aprendizaje de Python Cómo medir tu progreso en Python Errores comunes al aprender Python y cómo evitarlos Conclusiones Introducción: cómo Python triunfó Mira, cuando empecé en el mundo de los datos, empecé con SAS.

Introducción: La importancia de elegir el software de programación adecuado en el análisis de datos TL;DR Lee la conclusión Mira. Muchas personas piensan que programar consiste en escribir códigos imposibles de entender en una pantalla en negro, con letras pixeladas de color verde. Nada más lejos de la realidad. Es muy importante que cuando programes estés cómodo: que veas bien la pantalla, que te resulte un entorno amigable, que sepas aprovecharlo…

Si estás aquí, es que eres un profesional orientado a negocio y quieres ampliar tu campo. Si consigues basar tus recomendaciones de negocio en datos, tendrás más capacidad de convicción entre tus círculos. Para eso te sirve el análisis de datos. Y querrás formar en el tema, pero estarás saturado de la cantidad de oferta que hay y no saber por dónde empezar. Seguramente incluso ya te habrás planteado que tú ya haces análisis de datos, aunque tu puesto no sea de data analyst.

En todas las empresas se usan hojas de cálculo para todo lo relacionado con datos. El estándar suele ser Excel, pero seguro que te has encontrado con ficheros que no se comportan como Excel: El icono en la carpeta es diferente. Si tiene muchas filas, Excel te las corta y te muestra “solo” 1 millón. Si haces tablas dinámicas, gráficos o creas varias pestañas, lo pierdes todo. Te escribe varias columnas de tus tablas en una sola columna de Excel (la A).

Introducción: La Realidad Detrás de los Másteres en Data Analytics y Business Intelligence TL;DR Lee la conclusión Quieres formarte en data analytics, data science o business inteligence. Una forma rápida es hacer un máster, pero has leído historias de otras personas que te preocupan: Las empresas no te contratan si no tienes proyectos propios En el máster no aprendes a programar El máster es demasiado generalista y sales sin aplicar lo que estudias El máster es demasiado teórico y no te enseñan proyectos reales No te sirve para cambiar de sector Lo que has visto en otras personas es que han tirado el dinero, mucho dinero.

Learning to code is anything but a walk in the park. Let’s be honest: it’s hard, especially if you’re just starting out. Almost every guide out there recommends Python as the best starting point, but is this really the one-size-fits-all solution that it’s made out to be? In this article, we’ll turn conventional wisdom on its head and look at some unconventional ways to approach programming, particularly focusing on Python and the Data Analyst pathway.

Si estás buscando un primer puesto de data analyst o data science sin experiencia, te habrán insistido mucho en que te montes un portfolio de proyectos que hayas hecho con datos públicos. Así podrás usarlo en tus entrevistas para mostrar que, aunque no tienes experiencia, sabes aplicar las cosas que has aprendido en un máster de data science, en un bootcamp de big data, o en cualquier formación que hayas tenido.

Urien era un chico de 24 de años que había apostado todo a un FP de programación. Y cuando llevaba ya tiempo, y era tarde para cambiar de sector, aceptó la realidad: programar no es para él. A Urien no le gusta programar. Nada. Así que se le da mal. ¿Qué le preocupa? Que dado que el sector de la programación es de los pocos que sigue creciendo, renunciar a ese aprendizaje es como pegarse un tiro en el pie en su futuro profesional.

¿Has empezado a programar y no sabes qué hacer con las cosas que has aprendido? O incluso, ¿sientes que dedicas tiempo al curso pero los conceptos no se te quedan en la cabeza? Es más, ¿te frustra el no ser capaz de avanzar y te dices “esto no es para mí”? En este post te explico por qué te pasa eso y qué debes hacer para solucionarlo. Imagen generada con DALL-E 3

Si estás aquí puede ser porque quieres usar Python para data science, o Python para business intelligence, o sea, Python para datos. Te habrán dicho que está de moda y hay mucho trabajo con eso. Es verdad. Pero ponerse a ello es muy tedioso. Da mucha pereza instalar Python, porque hay que tener en cuenta muchos detalles. No voy a entrar en ellos pero en este post te cuento cómo te recomiendo que uses Python.

Cuando quieres aprender Python desde cero, para principiantes, buscas en Google y encuentras cosas así: Curso de Python básico Curso Gratis de Python Aprende programación básica en Python Cómo empezar a programar en Python ¿Esos cursos están mal? No. No tiene por qué. Quizá sí te enseñan eso, a programar en Python. Lo que pasa es que no sabes qué es programar en Python aún. ¿Y sabes qué pasa entonces?

Con los años han surgido muchos nombres para llamar a la misma cosa. Y es importante aclarar algunos conceptos, aunque no se usen mucho, porque las pocas veces que se usan se dicen solo tonterías. En este post te cuento en qué consiste eso que algunos siguen llamando data mining, con conceptos incluidos. Índice Introducción. Qué es lo primero que tienes que saber sobre data mining Historia y evolución de la minería de datos Principios Básicos de la Minería de Datos Proceso de data mining Herramientas y Software para Data Mining Para qué sirve la minería de datos.

Se habla mucho de Ciencia de Datos pero entrar en ese campo es exigente: requiere mucho esfuerzo y conocimientos de varias áreas (tecnología, matemáticas, estadísica, negocio, comunicación…). Un perfil necesario en el sector de los datos es el analista de Business Intelligence (o analista de negocio, o de inteligencia de negocio). Esta persona tiene un trabajo menos técnico que el data scientist pero sus aprendizajes son igualmente necesarios para aprovechar el conocimiento de los datos.

El Profesor Smith era un académico estadounidense que vino a España a dar una conferencia. Nivel de español: ninguno. Pero se propuso hacer un esfuerzo para que los asistentes pudieran aprovechar mejor su charla: se aprendió de memoria su charla en español. Durante las semanas previas, un ayudante suyo que sí hablaba español lo ayudó a traducirlo y a aprender a pronunciarlo. Pero esas semanas no fueron suficientes y su español era tan malo que acabó siendo más difícil entender su español que lo que habría sido entender su inglés.

Hace un par de años me dio por la inversión en bolsa. ¿Cuánto dinero he ganado? El suficiente para que me haya compensado. Pero quiero contarte algo mejor. Tras unos meses invirtiendo, leí Un paso por delante de Wall Street, de Peter Lynch, el inversor de fondos que más rentabilidad media consiguió para sus clientes.* Es un libro en el que el autor da muchos detalles de cómo hay que invertir para que te fuera bien en el mundillo.

Imagina que quieres crear una plataforma de vídeos cortos. Tú consigues que la gente se quede embobada ahí viendo vídeos y les vas colando publicidad. Cobras dinero por esa publicidad. Dos opciones: Pagas dinero a actores de nivel para que hagan vídeos de nivel y sus seguidores se conectarán para verlos. Dejas que cualquiera suba lo que le dé la gana, sin filtros ni tapujos. ¿Con qué sistema te quedas?

El finde leí sobre una chica, a la que llamaré B., que se había comprado un coche de 30.000 euros. En el concesionario le ofrecieron financiación. La propuesta era un 17% TAE, que se le quedaba en unas mensualidades de 350€. B. pensó que 350€ era algo aceptable en su economía mensual. Se lo podía permitir. Si sabes qué es el TAE, no necesito aclararte mucho más. Si no lo sabes, puede que hayas pensado “¿y durante cuánto tiempo tiene B.

Hace unas semanas te escribí sobre el tema de los despidos de empresas como Facebook, Google, Twitter,… todas esas tecnológicas gordas. Afectó al mundo de los datos, porque en los despidos incluyeron a data scientists, data engineers y otras locuciones data. ¿Hay que preocuparse? Pues claro que hay que hacerlo. Siempre que seas un trabajador por cuenta ajena tienes quepreocuparte de estas cosas. Tú no decides tus tareas. Las decide tu jefe.

Enrique Dans ha escrito sobre lo inútil de estudiar programación por el mero hecho de estudiar programación. Me ha gustado la lectura porque me sirve para confirmar lo que llevo tiempo diciéndote: no tiene sentido que estudies Python. Dans habla de la programación en general y yo menciono Python en concreto pero porque es lo habitual en mi campo, en datos. Hay gente que estudia Python porque quieren meterse en datos.

No sé cómo hay gente que se atreve a decir las burradas que dice. Vi ayer un post en Linkedin sin pies ni cabeza. No era largo, pero el tipo se había currado un poco el formato. Lo había puesto mono. Y claro, me pregunto, ¿para qué se molesta? ¡Si lo que dice es mentira! Qué decía el post La primera línea decía algo así como “las 5 cosas que puedes hacer con Python pero no con R” y viceversa.

Las arquitecturas de software no son como las de puentes y casas. Después de construir un puente, es difícil, si no imposible, cambiar cómo se hizo. El software es distinto, cuando usamos nuestro programa, podemos descubrir cosas sobre nuestras tareas que no sabíamos al diseñarlo. Y, si nos hubiéramos dado cuenta desde el principio, y escogimos una arquitectura adaptable, podríamos cambiar partes sin afectar la experiencia del cliente. Ayudo en un proyecto que lleva años en marcha.

Beatles o Rollings CocaCola o Pepsi Light o Zero Cerveza o vino Tinto o blanco Con casera o con limón Carne o pescado Vegetariano o vegano Comer fuera o en casa Ciencias o letras Invertir o ahorrar Estudias o trabajas Mar o montaña Ciudad o pueblo De Windows a Mac o de Windows a Linux Android o iOS Google Docs u Microsoft Office Boli negro o azul Izquierda o derecha Perro o gato Alquiler o compra SQL o NoSQL Modelos explicativos o modelos predictivos R o Python Decir que los dos están bien es débiles.

Haz un ejercicio. Mira. Ponte de pie, con los pies paralelos separados a la altura de las caderas. Suavemente déjate caer hacia adelante. Deja las manos colgando hacia abajo. Quizá llegues a los pies, quizá no. Quédate ahí un poco. Respirando profundamente. Relaja mucho, ¿verdad? Luego te vas incorporando. Para ello, te levantas muy poco a poco. Vértebra a vértebra. Primero una, luego otra, luego otra. Así hasta las del cuello.

A ChatGPT le molan los preliminares. Nada de “aquí te pillo aquí te mato”. Al principio, hay que ir suave con él (¿ella, ello?). \ Si tienes una consulta, y vas a saco: “Hazme un código en dplyr que procese datos con tal estructura”, o “Escríbeme un post para un blog sobre el estado del arte de librerías de data frames”, o “Escríbeme un correo para pedir a mis jefes licencias de GPT4”, pues oye, se apañará, sí, pero le faltará precisión.

Me acaban de llegar las evaluaciones de los alumnos de un curso que doy. No las evaluaciones que yo les pongo a ellos, sino las que ellos me ponen a mí. Mi nota como mi profesor. Me han puesto un… Da igual. Eso no importa. Si has tenido alguna formación conmigo, tú sabrás si te he aportado algo. Lo importante es que a mí estas evaluaciones me aportan un montón.

Sísifo fue un rebelde que consiguió enemistarse con todos los dioses con los que se cruzaba. A Zeus lo traicionó, contando por ahí un secreto que compartía solo con él. A Tánatos lo encadenó en sus propias cadenas. Con ello, desapareció la muerte entre los humanos. Y como nadie moría en las guerras, Ares perdió lo que motivaba su existencia. Y tuvo que tomar medidas. Y ya muerto, Sísifo engañó a Perséfone para le dejara volver al mundo terrenal.

En una asignatura en la universidad durante unos años enseñaron solo pyspark. 15 sesiones. Cuando me metieron a mí, reduje esa parte a 5 sesiones y dediqué las otras sesiones a tocar otros temas. ¿Por qué? Porque no creo que el 100% del trabajo del 100% de los alumnos vaya a ser pyspark. Seguramente hagan otras cosas. Como SQL. Como pandas. ¿Como R? Quién sabe… igual también. Metí APIs incluso.

Un amigo hizo un máster en Ciencia de datos hace un tiempo. Le fue bien. Le sacó mucho partido. Incluso más, porque es de estas personas que buscan más allá de lo que les ponen delante. Estudiaba las asignaturas con mucho más material del que le daban. De forma que profundizó mucho más de lo exigido. Consiguió trabajo poco después. Se dice que hay mucho trabajo en el ámbito de los datos…

Un influencer compartía en Twitter su plan de lectura para 2023. 52 libros numerados semana a semana. Uno de los títulos era Crimen y castigo… Espero que la semana que le toque se la pille de vacaciones, porque si no no sé cómo le dará tiempo. \ Estamos en febrero. Creo que le queda poco para incumplir su plan. Un plan tan ajustado, sin margen, está avocado al fracaso. Porque siempre surgen cosas que no tenías previstas.

Seguro que conoces a alguien que considera obvio que votar al PP es un crimen contra la solidaridad. Seguro que conoces a alguien que considera obvio que un correo electrónico se redacta como si fuera correo postal. Seguro que conoces a alguien que considera obvio que la mejor serie de la historia es The Wire. Seguro que conoces a alguien que considera obvio que la tortilla de patata lleva cebolla.

Me gustó una cosa que dijo Matt Dancho hace poco en su newsletter. Criticaba plataformas como Udemy, Coursera, Datacamp, etc. Se basaba en que, como su modelo de negocio es que tú les pagues regularmente, no les compensa que aprendas a ser autosuficiente. No sé cómo continuaba el argumento. Pero tenía su sentido. Son plataformas que, si aprendes lo que ibas buscando, ya no les tienes que pagar. Pueden tratar de generar contenido nuevo para que te quedes pero eso tiene dos dificultades:

R es un lenguaje de programación que tiene unos 30 años. Su ámbito era la estadística. Lo desarrollaron con el objetivo de tener un entorno de trabajo para estadística. ¿Que no te interesaba la estadística? Pues no te interesaría R. Pero la estadística empezó a estar por todas partes. La empezaron a llamar data mining, machine learning, data science… y ahora todo el mundo quería hacer estadística. Y hubo gente que dijo:

Una cosa que escuché cuando empecé a trabajar con R, hace años, es que estaba orientado a objetos. Yo, ni idea de qué era eso. Pero vale, vale… Poco después, cuando me interesaba ya en serio por estas cosas, me enteré de que había gente que se ofendía por algo así. Era gente que venía de Javascript, o incluso Python, y que en R lo que se hacía con objetos no tenía nada que ver con el paradigma de la programación orientada a objetos.

Me encanta Ikea. No sus muebles, ni lo de ir a casa de otra persona y pensar “ah, ese mueble lo tengo yo, y ese, y ese…”, ni los pasillos eternos, ni el coger una caja pesada para ponerla en el carro, ni el ir hasta el polígono… O sea, no me gusta casi nada de Ikea. Solo me encanta su idea de negocio. Tiene dos patas: la pata objetiva y la pata subjetiva.

Hace unos días estaba en un restaurante japonés con unos amigos. No sabíamos muy bien qué pedir de bebida. Cada uno empezó a decir lo que se le ocurría. Cosas random. Todo diferente. Hasta que uno dijo: – ¿Tenéis cervezas japonesas? – Sí, Saporo. – Ah, pues una Saporo. Y en eso que todos empezamos: – Oye, pues yo también. – Sí, yo también. Quítame lo que te dije antes y ponme eso.

Hablaba ayer con Raúl Vaquerizo, referente: — Una formación que me gusta dar es presentarme, sin prepararme, a una sesión de trabajo con los datos del cliente. Y le enseño con sus datos lo que se puede hacer. — ¿Y qué haces cuando los datos están mal y no se puede hacer nada? — Termino ahí la formación. Es que eso ya tiene mucho valor. He trabajado en muchos proyectos en los que los datos estaban mal.

Hace años, en un máster, nos mandaron un trabajo sobre simulación. La simulación es una rama de la estadística útil cuando no puedes observar un acontecimiento. Por ejemplo, vas a abrir una tienda de un súper y tienes que dedicidir cuántas cajas (de las de pagar) pones. Si pones muy pocas, se montarán unas colas enormes. Si pones muchas, habrás invertido de más en infraestructura. Y tendrás a cajeros sin trabajo y los despedirás.

Ayer te hablaba de cómo te debes preocupar por los recursos informáticos cuando analizas datos. Otra pieza clave para que programes bien en la sintaxis. A ver, cuidado. No digo que no cometas errores de sintaxis. Eso ya se te ha ocurrido a ti. Si te falta un paréntesis, el código no chuta. Y punto. Y si tu editor es aceptable, te dirá dónde está el error. Pero la sintaxis va más allá de eso.

Mucha gente que trabaja con datos dice: Yo programo un poco pero no lo hago bien. ¿Qué quiere decir “programo bien”? Me interesa esa pregunta porque su respuesta apoyará a “cómo programar bien”. Te lo cuento bajo tres puntos de vista (uno hoy, otro mañana y otro pasado). 1. Recursos informáticos Estás cocinando unos huevos fritos. Y el aceite salpica la vitro, la inducción o lo que tengas. Es normal, ¿no?

Ayer en clase a un estudiante le salía un error raro. Había replicado un código mío. Que funcionaba en mi ordenador. Pero a él no. Me lo enseña. Y yo… …pues ni idea, la verdad. Ni idea de qué pasaba. No veía nada raro. Revisé lo que pude y me rendí. No era capaz de identificarlo. ¿Solución? Le borré el código y empezamos de nuevo. En lugar de escribir el código letra a letra, nos apoyamos en el autocompletado.

Ayer te hablé de la segunda parte de Red Dead Redemption, una de las mejores ficciones que se han escrito. La primera parte narra los últimos años en la vida de John Marston, un vaquero del Oeste a comienzos del siglo XX. Su compañero criminal, Arthur Morgan, dio su vida por él. Para que pudiera huir y tener una vida diferente. Le dio la oportunidad para cambiar quién era. Y Marston la aceptó.

Amazon ha apostado mucho por la serie del Señor de los Anillos. Y parece que no le está saliendo bien la jugada. Vamos, que no la está viendo tanta gente como pensaban. Se han gastado una millonada en la serie. Y ha quedado chula. Nivel técnico, de 10. Ahora bien, ¿a quién le importa eso? ¿Qué buscas tú cuando te pones a ver Netflix? La mayoría de la gente, creo, busca pasar el rato.

El alcohol es caca. Parece una frase que se le dice a un niño pequeño para que se mantenga lejos del alcohol. Pero no. Es caca de verdad. Caca de levadura. Las levaduras son unos bichines* súper pequeños que comen azúcares diversos y cagan alcohol. Y dióxido de carbono. *(No son bichines, son hongos unicelulares, pero ahora no me interesa eso). Ese alcohol es el que te emborracha cuando bebes cerveza.

Red Dead Redemption es una de las mejores ficciones que se han escrito nunca. Tiene dos partes. La segunda narra los últimos meses en la vida de Arthur Morgan, un forajido del lejano oeste… …en 1899. Si has visto películas tipo Río Bravo, La diligencia o El bueno, el feo y el malo, lo de un vaquero en casi el siglo XX te sonará anacrónico. ¿Qué hace un vaquero años después de lo que en teoría es su tiempo?

No importa quién eres. De hecho, para tomar decisiones, es clave que no lo tengas en cuenta. Si sientes una vinculación extrema hacia una identidad, hacia una etiqueta, no querrás hacer cosas no relacionadas con esa etiqueta. James Clear plantea lo siguiente. Si quieres dejar de fumar y dices “soy fumador y estoy intentando dejarlo”, te costará bastante. Porque tu identidad es “fumador”. Y los fumadores, fuman. Aunque lo estén dejando.

Cuenta la mitología griega que un posadero, llamado Procusto, recibía a pasajeros solitarios a pasar la noche. Según entiendo yo, solo aceptaba a gente sola: nada de grupos. Te cuento por qué. Resulta que Procusto solo tenía una cama que ofrecer a sus huéspedes. Y cuando llegaba el viajero, le ofrecía tumbarse en ella. ¿Sabes qué hacía Procusto? Si el viajero era alto y superaba el largo de la cama, Procusto le cortaba las extremidades.

Antes de la pandemia iba mucho a charlas. Las de datos me interesaban especialmente. No tanto para ver qué conclusiones sacaba la gente con sus análisis sino para saber cómo las sacaba. Lo que me gusta de las charlas es que, incluso sin profundizar mucho, me entero de qué metodologías, tecnologías, herramientas y utilidades en general se están usando. Con eso, decido estudiar una cosa u otra. Y ya tengo una idea de la que partir, una documentación que consultar o, incluso, una persona a la que acudir en caso de dudas.

Las oposiciones son un filtro para quitar de forma masiva candidatos a un puesto de trabajo público. Deberían ser un método de selección del personal más adecuado para cubrir un puesto. Pero no. Son un filtro masivo. Con criterios que dejan mucho que desear. Por ejemplo, para ser vigilante de sala en el Museo del Prado evalúan si te sabes las capitales de África. Por cierto, no te las sabes.

El otro día un amigo me decía que no le gustaba leer. Ya, a mí tampoco. Teniendo en cuenta que la mayoría de libros que he tenido en mis manos y a los que he echado un ojo no me han interesado, entiendo que no me gusta leer. Me gusta leer muy pocas cosas. Así que no puedo decir que me guste leer. Porque depende de qué lea. Por lo que decía mi amigo, a él no le gusta leer nada.

Microsoft ha sacado una herramienta para que hagas aplicaciones web sin que codifiques nada. Cero código. Dibujas cuadraditos, escribes letreros, arrastras unos botones aquí y allá y ¡pum! Aplicación web hecha. Flipante. Habrá gente que piense que es el final de los desarrolladores web. Hace poco también Microsoft publicó una inteligencia artificial que escribía código de programación guiándose por los comentarios que hiciera el usuario. Por ejemplo, escribías “quiero un código que lea este Excel, reformule estas columnas de esta manera, haga una tabla dinámica con estas filas y columnas, y la guarde en un Excel nuevo en este otro sitio”.

Los traductores tienen parte del mérito del éxito de algunas obras. La Biblia, el código de Hammurabi o Los Simpson no habrían tenido el alcance que han tenido si no fuera porque traductores de muchas lenguas dedicaron su tiempo a hacer esos contenidos universales. El trabajo de un traductor no es cambiar las palabras de un idioma por las de otro. Tiene que saber lo que el escritor quiso transmitir con su texto y, más aún, adivinar cómo lo interpretarán diferentes lectores.

El verano pasado estaba con unos amigos tomando algo en una terraza. Odio las terrazas, porque hay avispas, calor, ruido y demasiada luz. En verano. En invierno hace frío. El caso, que ahí estábamos. Eran sobre las 6 de la tarde. Ese día habíamos comido muy pronto. Así que teníamos hambre. Y preguntamos al camarero si tenían algo para picar. —Patatas fritas. —¿Y algo tipo croquetas, tortilla…? —No. Es que la cocina está cerrada.

Si has tenido mascota sabes que se le coge cariño. Más. Quieres a tu mascota más que a algunos miembros de tu familia. Es alguien clave para ti. Haces mucho por ella. Todo lo que esté en tu mano. Pero como todo ser vivo, muere. Y es un mal trago por el que pasamos todos los que tenemos o hemos tenido mascota. Con las plantas ocurre, en menor medida, algo parecido.

Cuando juega Rafa Nadal, una de las cosas más llamativas es la soltura con la que lo hace. Jugar un partido entero a su nivel requiere mucho esfuerzo. Y él hace que parezca fácil. Recuerdo una vez que jugué al tenis. En fin. Ridículo. Cuando llegaba a la pelota, era para lanzarla contra la red. Eso si llegaba a la pelota, que normalmente no. Quizá le pase a todo el mundo cuando está aprendiendo.

Nunca he visto a mi profesor de yoga hacer yoga. Igual no hace yoga. Igual ni sabe. Pero a mí, como alumno, me da igual. Porque su trabajo no es enseñarme cómo él hace yoga. Sino que yo aprenda. Él me guía en cómo hacer los ejercicios. Cómo los hace él, si es que los hace, no tiene importancia. Porque soy yo el que los tiene que hacer. Tu jefe, o tú como jefe, debería hacer algo parecido.

Un modelo es una aproximación de la realidad. Si voy a Zara, veo por las paredes fotos de tíos sexys llevando unos pantalones que quizá me compre. Esos tíos son aproximaciones de cómo me quedarán a mí los pantalones cuando me los ponga. Insisto en lo de aproximacions. Como esos tíos y yo no somos igual de sexys, no nos quedará igual. Pero me hago una idea. Ese es el objetivo de un modelo.

Salomón, según la Biblia, fue un rey de Israel al que un día se le presentaron dos mujeres discutiendo sobre si un bebé era de una o de otra. Como no se ponían de acuerdo, Salomón ordenó matar al niño, partirlo en dos y dar una mitad a cada una. Una de ellas estuvo de acuerdo. La otra dijo que no, que no mataran al niño y se lo dieran a la otra.

Si has estudiado alguna vez un idioma que no es el tuyo, en la primera clase te enseñarían a decir algo tipo “hola”. Y luego a presentarte. “Hola, me llamo Leonardo y me gusta el fútbol” (Era mentira pero no sabía decir otra cosa aún). Tiene sentido. El objetivo de las clases iniciales es que puedas usar lo que aprendes. No que te conviertas en un experto teórico de la lengua.

Hace unos días dije que si tienes en mente varios recursos para estudiar programación, decantarte por solo uno es difícil. Pero claro, tu tiempo no es infinito, y tu dinero tampoco, así que no puedes hacerlos todos. ¿Cómo te decides? Mi sugerencia era que te hicieras una pregunta: ¿para qué quieres el curso? Algunas posibles respuestas: Para conocer herramientas potentes para tu trabajo. Para conseguir un trabajo diferente al que tienes.

Cuando haces caca te sientes más a gusto. Eso mola. Estás de mejor humor, más relax. Y si estás en el curro, serás más productivo después. Vamos, que alivia un montón… Pero es algo que no dices. No sales del baño de la oficina y vas diciendo “¡He hecho caca! ¡Qué bien me siento!”. Bueno, igual lo dices. Si es así, no hagas caso a este correo. Continúo para ti, que no dices esas cosas.

Hace tiempo trabajé en un sitio en el que hacíamos modelos matemáticos con los datos de nuestros clientes. Suena muy aparatoso, pero nuestro trabajo, principalmente, era trabajar con Excel y PowerPoint. Sí. No voy a entrar en detalles ahora de lo absurdo que suena. Lo relevante para ti hoy es que el trabajo se hacía con Excel y PowerPoint. Quizá, igual que tú. Pero claro, había proyectos un poco grandes, para los que Excel se quedaba pequeño.

Un tal James Clear dice que no te pongas objetivos en la vida. Más o menos. Lo que dice es que lo importante son los sistemas, no las metas. ¿Qué quiere decir con esto? Hay un ejemplo típico: adelgazar. Mira. Imagina que quieres perder 5 kilos. Te buscas una dieta de 1000 y pico calorías y confías en que unos meses esté hecho. Pues pinta mal el asunto. A ver, que igual adelgazas esos kilos.