Función Softmax explicada: Fórmula, código Python y versión estable
La función softmax convierte una lista de puntuaciones sin procesar en probabilidades que suman 1. Aprenda la fórmula con un ejemplo resuelto, codifíquela en NumPy, vea por qué la versión ingenua devuelve NaN y cómo una resta lo soluciona, y comprenda la temperatura y la entropía cruzada, todo con resultados probados.
- La función softmax exponencia cada puntuación y la divide por el total, dando valores positivos que suman 1.
- Las puntuaciones [2,0, 1,0, 0,1] se convierten en probabilidades [0,659, 0,2424, 0,0986]. El orden nunca cambia, por lo que argmax permanece igual.
- La fórmula ingenua se desbordó y devolvió
nanpara entradas cercanas a 1000. Restar el máximo primero lo solucionó sin cambios en el resultado. - Dividir las puntuaciones por una temperatura controla la confianza de la salida, la misma perilla que se usa en el muestreo LLM.
Una red neuronal que clasifica una imagen como gato, perro o pájaro no genera probabilidades directamente. Su última capa produce puntuaciones sin procesar llamadas logits, como 2,0, 1,0 y 0,1, que pueden ser cualquier número real. La función softmax convierte esas puntuaciones en una distribución de probabilidad que puedes leer, comparar y entrenar. Se encuentra al final de la mayoría de los clasificadores y dentro de cada modelo de lenguaje grande.
Todo el código siguiente se ejecutó en Python 3.13.6 con NumPy 2.5.5 y el resultado impreso se muestra tal como apareció. No se necesita ningún marco de aprendizaje automático para seguirlo.
¿Qué es la función softmax?
Softmax toma un vector de K números reales y devuelve un vector de K probabilidades. Cada salida está entre 0 y 1, todas las salidas suman exactamente 1 y las entradas más grandes siempre obtienen mayores probabilidades. A menudo se describe como una versión “suave” de argmax: en lugar de darle todo el peso a la puntuación más grande, comparte el peso en proporción a cuánto mayor es cada puntuación.
La fórmula softmax
Para un vector de puntuaciones z con K elementos, la probabilidad para el elemento i es:
softmax(z)_i = exp(z_i) / ( exp(z_1) + exp(z_2) + ... + exp(z_K) )
En palabras: eleva e a la potencia de cada puntuación, luego divide cada resultado por la suma de todos ellos. La exponencial hace que cada valor sea positivo; la división los normaliza para que sumen 1.
Ejemplo resuelto a mano
Tome los logits [2.0, 1.0, 0.1]:
| Logit z | exp(z) | exp(z)/total |
|---|---|---|
| 2.0 | 7.3891 | 0.6590 |
| 1.0 | 2.7183 | 0.2424 |
| 0.1 | 1.1052 | 0.0986 |
| totales | 11.2125 | 1.0000 |
La primera clase obtiene alrededor del 66 por ciento. Observe que una puntuación de 2,0 es sólo el doble de 1,0, pero su probabilidad es casi tres veces mayor. Los exponenciales magnifican las brechas, razón por la cual los resultados de softmax a menudo parecen seguros.
Softmax en Python con NumPy
import numpy as np
def softmax_naive(z):
e = np.exp(z)
return e / e.sum()
logits = np.array([2.0, 1.0, 0.1])
p = softmax_naive(logits)
print(p.round(4), p.sum()) # [0.659 0.2424 0.0986] 1.0
print(np.argmax(logits), np.argmax(p)) # 0 0
El código coincide con la tabla, las salidas suman 1 y argmax elige la misma clase antes y después de softmax. Ese último punto es importante en la práctica: si solo necesita la clase predicha, puede omitir softmax y tomar el argmax de los logits directamente.
¿Por qué utilizar la exponencial?
¿Por qué no simplemente dividir cada puntuación por la suma de las puntuaciones? Porque los logits pueden ser negativos o cero, lo que daría “probabilidades” negativas o división por cero. La exponencial siempre es positiva, aumenta estrictamente por lo que se mantiene la clasificación y su derivada es simple, lo que hace que el entrenamiento con descenso de gradiente sea limpio. También se empareja naturalmente con el logaritmo en la pérdida de entropía cruzada, como veremos.
El problema de desbordamiento: cuando softmax devuelve NaN
Los logits grandes rompen la versión ingenua:
softmax_naive(np.array([1000.0, 1001.0, 1002.0]))
# RuntimeWarning: overflow encountered in exp
# RuntimeWarning: invalid value encountered in divide
# [nan nan nan]
softmax_naive(np.array([-1000.0, -1001.0]))
# [nan nan]
exp(1000) está mucho más allá del flotante más grande de 64 bits (aproximadamente 1.8e308), por lo que se convierte en infinito, y el infinito dividido por infinito es NaN. Los logits muy negativos fallan al revés: exp(-1000) se desborda a 0, y 0 dividido por 0 también es NaN. Los logits de este tamaño son raros en un modelo saludable, pero aparecen con una mala inicialización, puntuaciones de atención sin escala o entrenamiento explosivo, y un NaN puede envenenar una ejecución de entrenamiento completa.
El softmax numéricamente estable
def softmax(z, axis=-1):
z = np.asarray(z, dtype=float)
e = np.exp(z - z.max(axis=axis, keepdims=True))
return e / e.sum(axis=axis, keepdims=True)
print(softmax([1000, 1001, 1002]).round(4)) # [0.09 0.2447 0.6652]
print(softmax([-1000, -1001]).round(4)) # [0.7311 0.2689]
Restar el máximo hace que el valor más grande sea exactamente 0, por lo que el exponencial más grande es exp(0) = 1 y nada puede desbordarse. Al menos un término de la suma es 1, por lo que el denominador tampoco puede ser nunca 0. Ambas entradas que antes no funcionaban ahora dan respuestas sensatas. Todas las bibliotecas serias, incluidas PyTorch, TensorFlow y SciPy, utilizan este truco internamente.
Consejo: nunca envíes el ingenuo softmax de dos líneas. La versión estable cuesta una resta adicional y elimina toda una clase de errores de NaN.
Por qué funciona restar: desplazamiento versus escala
print(softmax(logits + 100).round(4)) # [0.659 0.2424 0.0986]
print(softmax(logits * 2).round(4)) # [0.8638 0.1169 0.0193]
Agregar la misma constante a cada logit deja a softmax sin cambios, porque la constante se convierte en un factor común exp(c) que se cancela entre el numerador y el denominador. Precisamente por eso restar el máximo es seguro. Multiplicar los logits es diferente: duplicarlos hizo que la clase superior saltara del 66 al 86 por ciento. Softmax depende de las diferencias entre puntuaciones, y el escalamiento amplía esas diferencias.
Temperatura: hacer que softmax sea más nítido o más plano
Dividiendo los logits por una temperatura T antes de los controles softmax que se estiran deliberadamente:
| Temperatura | Probabilidades para [2.0, 1.0, 0.1] |
|---|---|
| 0.5 | [0.8638, 0.1169, 0.0193] |
| 1.0 | [0.6590, 0.2424, 0.0986] |
| 2.0 | [0.5017, 0.3043, 0.1940] |
| 10.0 | [0.3661, 0.3312, 0.3027] |
Las bajas temperaturas agudizan la distribución hacia la mejor opción; La temperatura alta lo aplana hasta volverlo uniforme. En los modelos de lenguaje, esta es exactamente la configuración de temperatura que cambia las respuestas predecibles por respuestas creativas, como explica nuestra guía de temperatura LLM. La temperatura también se utiliza en la destilación del conocimiento para exponer las preferencias más suaves de un modelo docente.
Lotes y el argumento del eje.
batch = np.array([[2.0, 1.0, 0.1],
[0.0, 0.0, 0.0],
[5.0, -1.0, 3.0]])
pb = softmax(batch, axis=1)
print(pb.round(4))
# [[0.659 0.2424 0.0986]
# [0.3333 0.3333 0.3333]
# [0.8789 0.0022 0.1189]]
print(pb.sum(axis=1)) # [1. 1. 1.]
print(softmax(batch, axis=0).sum(axis=1).round(4)) # [0.7622 0.2962 1.9417]
Los modelos reales procesan muchos ejemplos a la vez, uno por fila. Softmax debe ejecutarse a lo largo del eje de clases, aquí axis=1, por lo que cada fila suma 1. Los logits iguales, como en la segunda fila, dan una distribución uniforme. Usar el eje incorrecto es un error silencioso: el código se ejecuta pero se normaliza entre los ejemplos y las sumas de las filas resultaron como 0,76, 0,30 y 1,94. Siempre afirme que las filas suman 1 en las pruebas.
Softmax y pérdida de entropía cruzada
y = 0 # the true class
loss = -np.log(p[y])
print(round(float(loss), 4)) # 0.417
# log-softmax computed directly, without exponentiating twice
logsm = logits - logits.max() - np.log(np.exp(logits - logits.max()).sum())
print(logsm.round(4)) # [-0.417 -1.417 -2.317]
Los clasificadores se entrenan minimizando la entropía cruzada: el registro negativo de la probabilidad asignada a la clase correcta. Una probabilidad de 0,659 da una pérdida de 0,417; una predicción perfecta da 0. Las bibliotecas calculan log-softmax en un paso estable en lugar de tomar el registro de una salida softmax, lo que evita log(0). Es por eso que PyTorch CrossEntropyLoss espera logits sin procesar, no probabilidades. Alimentarlo con salidas softmax aplica softmax dos veces, un error común para principiantes.
Softmax vs sigmoide
print(1 / (1 + np.exp(-(2.0 - 1.0)))) # 0.7311
print(softmax([2.0, 1.0])[0]) # 0.7311
Con dos clases, softmax se reduce al sigmoide de la diferencia entre los logits, y nuestra ejecución arrojó el mismo 0,7311 en ambos sentidos. La regla práctica:
- Softmax: exactamente una clase correcta entre muchas (multiclase), como gato, perro o pájaro.
- Sigmoide por salida: varias etiquetas pueden ser verdaderas a la vez (múltiples etiquetas), como un artículo etiquetado tanto Python como testing.
Softmax dentro de modelos de lenguaje grandes
Un modelo de lenguaje grande finaliza cada paso con un logit por token en su vocabulario, lo que puede significar decenas de miles de puntuaciones. Softmax los convierte en una probabilidad para cada posible siguiente token, y el muestreo selecciona uno. Softmax también aparece dentro de cada capa de atención, donde convierte las puntuaciones de similitud entre tokens en pesos. Esas puntuaciones se dividen por la raíz cuadrada del tamaño del vector antes de softmax precisamente para evitar que crezcan demasiado, la misma preocupación de desbordamiento y saturación que se muestra arriba. Lea más en qué es un modelo de lenguaje grande.
¿Qué tan rápido es softmax?
Ejecutamos la versión estable de NumPy en un lote de 1000 filas con 50,257 columnas cada una, el tamaño de vocabulario de GPT-2, como flotantes de 32 bits. La mejor de tres ejecuciones tomó 874,9 ms en la CPU de nuestra máquina, aproximadamente 0,9 ms por fila. Las GPU hacen esto mucho más rápido y los marcos fusionan softmax con operaciones vecinas, pero el costo de lo exponencial en un vocabulario enorme es la razón por la que existen trucos como el softmax muestreado para capas de salida muy grandes.
Conclusión
La función softmax es una pequeña fórmula con un gran trabajo: convierte cualquier lista de puntuaciones en probabilidades limpias. Exponencia, normaliza y resta siempre el máximo primero para que los logits grandes nunca se conviertan en NaN. Aplíquelo a lo largo del eje derecho, combínelo con log-softmax para entropía cruzada y use la temperatura cuando necesite resultados más nítidos o más suaves. Con esos hábitos, softmax será la línea más confiable en su modelo. Para matemáticas relacionadas, consulte similitud de coseno.
Preguntas frecuentes
¿Qué hace la función softmax?
Convierte un vector de puntuaciones brutas, llamado logits, en probabilidades. Cada resultado está entre 0 y 1, todos los resultados suman 1 y las puntuaciones más altas siempre reciben mayores probabilidades.
¿Por qué mi softmax devuelve NaN?
Los logits grandes se desbordan cuando se exponen, y el infinito dividido por infinito es NaN. Resta el logit máximo antes de llamar a exp. El resultado es matemáticamente idéntico y numéricamente estable.
¿Cuál es la diferencia entre softmax y sigmoide?
Softmax produce una distribución entre clases que suma 1, para problemas con exactamente una clase correcta. Sigmoide puntúa cada salida de forma independiente, para problemas de múltiples etiquetas donde varias etiquetas pueden ser verdaderas.
¿Softmax cambia la clase prevista?
No. Softmax mantiene el orden de las puntuaciones, por lo que la clase con el logit más alto también tiene la mayor probabilidad. Si solo necesita la etiqueta, argmax de los logits es suficiente.
¿Qué es la temperatura en softmax?
La temperatura es un número que divide los logits antes de softmax. Los valores inferiores a 1 hacen que el resultado sea más seguro, y los valores superiores a 1 lo hacen más plano y más uniforme.
sigue aprendiendo
¿Necesitas ayuda con pruebas, WordPress o SEO?
Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.
Más guías sobre testing, IA y desarrollo moderno
¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.
Explicación de las cookies HTTP: seguras, HttpOnly, SameSite y alcance
Explicación de las cookies HTTP: Set-Cookie, Ruta, Dominio, caducidad, Secure, HttpOnly, SameSite, prefijos, eliminación de cookies y una receta de …
Leer artículo →DevOpsGit Rebase Interactive: Squash, Fixup, Reformulación y Autosquash
Git rebase interactivo explicado paso a paso: seleccionar, reformular, aplastar, arreglar, editar, soltar, aplastar automáticamente, conflictos y de…
Leer artículo →Pruebas de softwarePruebas Alfa vs Beta: diferencias clave, criterios de salida y lista de verificación
Comparación de las pruebas alfa y beta: quién prueba, qué encuentra cada fase, criterios de entrada y salida, cómo ejecutar una versión beta y un ej…
Leer artículo →Automatización de pruebasPytest Monkeypatch: 10 ejemplos probados para Env Vars, tiempo y API
Pytest Monkeypatch se explica con 10 pruebas aprobadas: variables de entorno, funciones, configuración, tiempo, suspensión, rutas, bloqueo de la red…
Leer artículo →Bases de datos y SQLIncremento automático de SQL: MySQL, PostgreSQL, SQL Server y SQLite
Incremento automático de SQL en MySQL, PostgreSQL, SQL Server y SQLite: sintaxis, lectura del nuevo ID, por qué aparecen espacios, reutilización de …
Leer artículo →Bases de datos y SQLSQL ENTRE: Explicación de los rangos inclusivos y la trampa de fechas
SQL BETWEEN explicado con consultas probadas: rangos inclusivos, límites invertidos, NULL, trampa de fecha del último día, rangos medio abiertos y f…
Leer artículo →Desarrollo de softwareLiterales de plantilla de JavaScript: 10 ejemplos que incluyen plantillas etiquetadas
Literales de plantillas de JavaScript explicados con 10 ejemplos probados: interpolación, cadenas multilínea, escape, plantillas etiquetadas para HT…
Leer artículo →Desarrollo de softwarePython heapq: colas prioritarias, N principales y montones explicados
Python heapq explicó: heappush, heappop, heapify, colas de prioridad con desempates, montones máximos, nlargest y merge, con tiempos reales contra l…
Leer artículo →Desarrollo de softwareOperador Python Walrus (:=) explicado con 8 ejemplos reales
El operador de morsa de Python := explicado con 8 ejemplos probados: comprobaciones if, coincidencias de expresiones regulares, bucles while, compre…
Leer artículo →Inteligencia artificialFunción Softmax explicada: fórmula, código Python y versión estable
La función softmax explicada: fórmula, ejemplo resuelto, código NumPy, la versión estable que evita NaN, temperatura, entropía cruzada y softmax vs …
Leer artículo →Desarrollo de softwareCORS explicado: solicitudes de verificación previa, encabezados y cómo solucionar errores de CORS
CORS explicó: orígenes, solicitudes simples y de verificación previa, los encabezados de respuesta que su servidor debe enviar, credenciales y cómo …
Leer artículo →DevOpsExplicación de Git Diff: cambios por etapas, bifurcaciones y confirmaciones
Git diff explicado: lea el resultado, compare cambios no preparados y preparados, confirmaciones y bifurcaciones, dos puntos frente a tres puntos y …
Leer artículo →Automatización de pruebasPytest Xdist: ejecute pruebas en paralelo y reduzca el tiempo de prueba
Ejecute pruebas de pytest en paralelo con pytest-xdist: instalación, la opción -n, modos de distribución, tiempos reales y cómo solucionar fallas de…
Leer artículo →Pruebas de softwareVerificación vs Validación en Pruebas de Software: Ejemplo y Tabla
Verificación versus validación en pruebas de software explicadas con una tabla comparativa y un ejemplo de cupón probado donde todas las pruebas de …
Leer artículo →Inteligencia artificialExplicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida
BM25 explicó con una implementación pura de Python que ejecutamos: la fórmula, IDF, saturación de términos, los parámetros k1 y b, por qué supera el…
Leer artículo →Desarrollo de softwareMétodos HTTP explicados: GET, POST, PUT, PATCH, DELETE, probados en un servidor en vivo
Métodos HTTP explicados con un pequeño servidor que ejecutamos: GET, POST, PUT, PATCH, DELETE, HEAD y OPTIONS, seguro vs idempotente, PUT vs PATCH, …
Leer artículo →DevOpsExplicación de Git Bisect: encuentre la confirmación que rompió su código, de forma manual o automática
Git bisect explicado con un repositorio probado: encuentre la única confirmación incorrecta entre 41 de cada 5 ejecuciones de prueba, automatice con…
Leer artículo →Automatización de pruebasExplicación de los marcadores de pytest: marcas personalizadas, filtros skip, skipif, xfail y -m
Los marcadores de pytest se explican con una suite probada: registre marcas personalizadas, ejecute solo pruebas de humo con -m, combine filtros con…
Leer artículo →Pruebas de softwarePruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación
Pruebas positivas versus negativas explicadas con un formulario de registro real: 6 casos de prueba positivos y 18 negativos ejecutados en pytest, e…
Leer artículo →Bases de datos y SQLORDEN SQL POR Varias columnas: ASC, DESC, NULLS LAST, Caso y Orden personalizado
SQL ORDER BY con múltiples columnas explicadas con consultas probadas: ASC y DESC mixtos, desempates, NULLS FIRST y LAST, clasificación que no disti…
Leer artículo →Bases de datos y SQLTotal acumulado de SQL: SUM OVER, totales por grupo, sumas móviles y trampa RANGE
Cómo calcular un total acumulado de SQL con SUM() OVER: totales por grupo, sumas acumuladas diarias, sumas móviles, porcentaje del total, la trampa …
Leer artículo →Desarrollo de softwareMatriz de clasificación de JavaScript: números, objetos, cadenas y por qué 10 viene antes que 5
Cómo ordenar correctamente una matriz en JavaScript: números con una función de comparación, objetos por uno o más campos, cadenas con localeCompare…
Leer artículo →Desarrollo de softwareMétodos de cadenas de Python: hoja de referencia, ejemplos reales y la trampa strip()
Métodos de cadena de Python con ejemplos probados: dividir, unir, eliminar, reemplazar, buscar, comenzar con, is-methods, casefold, particionar y tr…
Leer artículo →Inteligencia artificialExplicación de la similitud del coseno: fórmula, ejemplo resuelto y código Python
La similitud del coseno se explica de manera simple: la fórmula, un ejemplo trabajado a mano, código Python y NumPy puro, distancia coseno versus di…
Leer artículo →Desarrollo de softwareExplicación de la codificación UTF-8: cómo el texto se convierte en bytes y cómo corregir el texto confuso
La codificación UTF-8 se explica con ejemplos a nivel de bytes que ejecutamos en Python: cómo los caracteres se vuelven de 1 a 4 bytes, por qué un c…
Leer artículo →Automatización de pruebasExplicación de la parametrización de pytest: 7 patrones con ejemplos probados
pytest parametrize explicado con 7 patrones probados: casos básicos, identificadores legibles, decoradores apilados, pytest.param con xfail y skip, …
Leer artículo →Pruebas de softwareNueva prueba versus prueba de regresión: 8 diferencias clave con un ejemplo real de corrección de errores
Repetición de pruebas versus pruebas de regresión explicadas con una ejecución de corrección de errores real en pytest: la nueva prueba confirmó la …
Leer artículo →Bases de datos y SQLEliminar filas duplicadas en SQL: 5 métodos seguros, probados paso a paso
Cómo eliminar filas duplicadas en SQL de forma segura: encuéntrelas, obtenga una vista previa de ellas y luego elimínelas con ROW_NUMBER, MIN(id), E…
Leer artículo →Bases de datos y SQLSQL RANK vs DENSE_RANK vs ROW_NUMBER: diferencias con ejemplos probados
SQL RANK vs DENSE_RANK vs ROW_NUMBER en una tabla: cómo cada uno maneja los empates, los N principales por grupo, la segunda trampa salarial más alt…
Leer artículo →Desarrollo de softwareEncadenamiento opcional de JavaScript (?.) Explicado: 8 ejemplos, ?? Valores predeterminados y trampas
El encadenamiento opcional de JavaScript detiene los errores "No se pueden leer las propiedades de un definido". 8 ejemplos probados para propiedade…
Leer artículo →Desarrollo de softwarePython enumerate() explicado: 7 ejemplos, inicio=1 y errores a evitar
Python enumerate() te proporciona el índice y el valor en un bucle limpio. 7 ejemplos probados, el truco start=1, diccionarios, archivos, números rá…
Leer artículo →Inteligencia artificialExplicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida
Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…
Leer artículo →Desarrollo de softwareExplicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados
La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…
Leer artículo →DevOpsExplicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado
Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …
Leer artículo →Pruebas de softwareExplicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas
Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…
Leer artículo →Automatización de pruebasExplicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado
Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…
Leer artículo →Bases de datos y SQLSQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados
SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…
Leer artículo →Bases de datos y SQLExplicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado
La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…
Leer artículo →Desarrollo de softwareExplicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado
El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …
Leer artículo →Desarrollo de softwareFunciones de Python explicadas: lru_cache, parcial, reducir, envolturas y más, probadas
Las funciones de Python se explican con el código que ejecutamos en Python 3.13: lru_cache y cache, parcial, reducir, envolturas, cached_property, s…
Leer artículo →Desarrollo de softwareExplicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado
Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…
Leer artículo →Inteligencia artificialExplicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos
La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…
Leer artículo →Desarrollo de softwareExplicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura
Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…
Leer artículo →DevOpsExplicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada
Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …
Leer artículo →Automatización de pruebasExplicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele
Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…
Leer artículo →Pruebas de softwareExplicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error
Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…
Leer artículo →Bases de datos y SQLFunciones SQL JSON explicadas: consultar, actualizar e indexar JSON en SQL, probado
Funciones SQL JSON explicadas con consultas que ejecutamos en SQLite 3.50: json_extract, los operadores -> y ->>, json_each, json_set, json…
Leer artículo →Bases de datos y SQLExplicación del pivote SQL: convierta filas en columnas con CASE, FILTER y PIVOT
Pivote de SQL explicado con consultas que ejecutamos en SQLite 3.50: agregación condicional con CASE y SUM, FILTER, NULL vs zero, totales, columnas …
Leer artículo →Desarrollo de softwareExplicación de esta palabra clave en JavaScript: cada regla vinculante, probada en Node
La palabra clave JavaScript this se explicó con 17 casos que ejecutamos en el Nodo 24: llamadas a métodos, pérdida de esto en devoluciones de llamad…
Leer artículo →Desarrollo de softwarePython pathlib explicado: rutas, archivos y carpetas de forma moderna, probados
Python pathlib explicado con ejemplos que ejecutamos en Python 3.13: unir rutas con /, nombre, raíz y sufijo, leer y escribir archivos, mkdir, glob …
Leer artículo →Desarrollo de softwareExplicación de las itertools de Python: Lazy Loops, combinaciones y agrupaciones, probadas
Las itertools de Python se explican con ejemplos que ejecutamos en Python 3.13: contar, ciclo, acumular, encadenar, agrupar, producto, combinaciones…
Leer artículo →Inteligencia artificialExplicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas
Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…
Leer artículo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales
Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…
Leer artículo →DevOpsExplicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas
Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…
Leer artículo →Automatización de pruebasGeneración de datos de prueba con Python Faker: datos realistas, repetibles y seguros
Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…
Leer artículo →Pruebas de softwareExplicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo
Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…
Leer artículo →Bases de datos y SQLFunciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos
Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…
Leer artículo →Bases de datos y SQLExplicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores
Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…
Leer artículo →Desarrollo de softwareMódulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes
El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …
Leer artículo →Desarrollo de softwareMódulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado
Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …
Leer artículo →Desarrollo de softwarePython Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados
La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…
Leer artículo →Inteligencia artificialExplicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA
La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …
Leer artículo →DevOpsExplicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros
Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…
Leer artículo →DevOpsExplicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo
El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…
Leer artículo →Automatización de pruebasExplicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos
Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…
Leer artículo →Pruebas de softwareExplicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa
Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…
Leer artículo →Bases de datos y SQLExplicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado
Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…
Leer artículo →Bases de datos y SQLFunciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores
Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…
Leer artículo →Desarrollo de softwareExplicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales
Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …
Leer artículo →Desarrollo de softwareDebounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado
Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…
Leer artículo →Desarrollo de softwareExplicación de los administradores de contexto de Python: declaración with, contextlib y usos reales
Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…
Leer artículo →Inteligencia artificialLLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra
La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…
Leer artículo →DevOpsYAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos
YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…
Leer artículo →DevOpsCron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen
Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …
Leer artículo →Pruebas de softwareCiclo de vida de errores en las pruebas de software: cada estado, quién es el propietario y errores comunes
Se explica el ciclo de vida de los errores: cada estado de defecto, desde Nuevo hasta Cerrado, quién es el propietario de cada paso, errores rechaza…
Leer artículo →Automatización de pruebasPruebas basadas en propiedades en Python: la hipótesis encuentra los errores que sus ejemplos pasan por alto
Las pruebas basadas en propiedades se explican con las pruebas de hipótesis que ejecutamos: propiedades versus ejemplos, estrategias, reducción, los…
Leer artículo →Bases de datos y SQLExplicación de la paginación SQL: OFFSET frente a conjunto de claves, con una prueba de un millón de filas
La paginación SQL se explicó con una prueba de un millón de filas que ejecutamos: LIMIT y OFFSET, por qué las páginas profundas se vuelven lentas, p…
Leer artículo →Inteligencia artificialExplicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas
Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…
Leer artículo →DevOpsExplicación de las variables de entorno: archivos .env, secretos y configuración bien hechos
Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…
Leer artículo →Desarrollo de softwareExplicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429
La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …
Leer artículo →Automatización de pruebasBurlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan
Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…
Leer artículo →Pruebas de softwareExplicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%
Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…
Leer artículo →Bases de datos y SQLDELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno
DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…
Leer artículo →Bases de datos y SQLVistas SQL explicadas: cree, use y evite los errores, con ejemplos
Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…
Leer artículo →Desarrollo de softwareInterfaz TypeScript versus tipo: diferencias reales, probadas con el compilador
Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…
Leer artículo →Desarrollo de softwarePython *args y **kwargs explicados: funciones flexibles con ejemplos claros
Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…
Leer artículo →Desarrollo de softwareFunciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas
Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…
Leer artículo →Inteligencia artificial¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar
¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…
Leer artículo →DevOpsMonitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos
Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…
Leer artículo →DevOpsDocker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta
Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…
Leer artículo →Automatización de pruebasTDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una
TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …
Leer artículo →Pruebas de softwarePruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales
Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…
Leer artículo →Bases de datos y SQLValores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar
Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…
Leer artículo →Bases de datos y SQLDeclaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes
CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…
Leer artículo →Desarrollo de software¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico
¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…
Leer artículo →Desarrollo de softwareExplicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos
El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…
Leer artículo →Desarrollo de softwareExplicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales
Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…
Leer artículo →Inteligencia artificial¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla
¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…
Leer artículo →DevOpsImplementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir
Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…
Leer artículo →Automatización de pruebasPruebas inestables: qué las causa y cómo solucionarlas para siempre
Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…
Leer artículo →Pruebas de softwarePruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6
Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…
Leer artículo →Pruebas de softwareCaso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno
Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…
Leer artículo →Bases de datos y SQLOptimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos
Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…
Leer artículo →Bases de datos y SQLSQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado
SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …
Leer artículo →Desarrollo de softwareTutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera
Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…
Leer artículo →Desarrollo de softwareManejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos
El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…
Leer artículo →Desarrollo de softwareClases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales
Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…
Leer artículo →Inteligencia artificial¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones
¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…
Leer artículo →DevOpsComandos de Linux para principiantes: la guía esencial de terminal con ejemplos
Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…
Leer artículo →Automatización de pruebasSelenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir
Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…
Leer artículo →Pruebas de softwarePartición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos
Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …
Leer artículo →Pruebas de softwareSeveridad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales
Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…
Leer artículo →Bases de datos y SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos
Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…
Leer artículo →Bases de datos y SQLTransacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento
Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…
Leer artículo →Desarrollo de softwareHoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos
Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…
Leer artículo →Desarrollo de softwareExplicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes
Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…
Leer artículo →Desarrollo de softwareTutorial del diccionario Python: métodos, ejemplos y patrones comunes
Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…
Leer artículo →Inteligencia artificial¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico
¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…
Leer artículo →DevOpsTutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos
Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…
Leer artículo →DevOpsDocker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita
Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…
Leer artículo →Automatización de pruebasTutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales
Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …
Leer artículo →Pruebas de softwareCiclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo
Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …
Leer artículo →Desarrollo de softwareGit merge vs rebase: diferencias, ejemplos y cuándo usar cada uno
Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.
Leer artículo →Desarrollo de softwareList comprehension en Python: sintaxis, ejemplos y cuándo evitarla
List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.
Leer artículo →