Las ventajas de usar GitHub incluyen la optimización del control de versiones distribuido mediante Git. La plataforma facilita la colaboración asíncrona a través de herramientas como los Pull Requests. GitHub centraliza el almacenamiento de repositorios de código en la nube. Su infraestructura automatiza flujos de integración y despliegue continuo mediante GitHub Actions. Los autores enumerados en la lista son pioneros fundamentales en la historia de la informática. Richard Stallman impulsó el movimiento del software libre y creó el proyecto GNU. Dennis Ritchie y Ken Thompson desarrollaron el sistema operativo Unix. Ritchie diseñó de forma autónoma el lenguaje de programación C. Yukihiro Matsumoto es el creador del lenguaje Ruby. Brendan Eich desarrolló la primera versión de JavaScript. Douglas Crockford definió y popularizó el formato de intercambio de datos JSON. Anders Hejlsberg diseñó Turbo Pascal y lideró la creación de TypeScript. Bjarne Stroustrup creó el lenguaje C++ como una extensión de C. El estudio de código fuente requiere examinar primero el archivo de configuración del proyecto. El análisis debe continuar con la identificación del punto de entrada principal del programa. La depuración activa permite observar el flujo de datos en tiempo real mediante puntos de interrupción. La revisión del historial de cambios en Git revela la evolución de las decisiones de diseño arquitectónico.

🐧 Linus Torvalds es el creador del núcleo Linux y del sistema Git https://github.com/torvalds

🐍 Guido van Rossum diseñó Python y trabaja actualmente en Microsoft https://github.com/gvanrossum

⚙️ Lennart Poettering desarrolló el sistema de inicio systemd para entornos Linux https://github.com/poettering

💎 David Heinemeier Hansson es el creador del framework Ruby on Rails https://github.com/dhh

🔒 Moxie Marlinspike fundó Signal y diseñó su protocolo de cifrado https://github.com/moxie0

🎼 Fabien Potencier es el creador y arquitecto del framework Symfony https://github.com/fabpot

📈 Brendan Gregg es experto en rendimiento en Netflix y OpenAI https://github.com/brendangregg

🛠️ Bryan Cantrill es un ingeniero de sistemas creador de DTrace https://github.com/bcantrill

⚡ Salvatore Sanfilippo es el diseñador de la base de datos Redis https://github.com/antirez

🟢 Evan You creó el framework progresivo de JavaScript Vue.js https://github.com/yyx990803

💻 Dan Abramov co-creó Redux y es un referente clave en el ecosistema React https://github.com/gaearon

📈 Mike Bostock es el diseñador principal de D3.js para la visualización de datos https://github.com/mbostock

🤖 Andrej Karpathy es un referente global en Deep Learning y cofundador de OpenAI https://github.com/karpathy

📦 Sindre Sorhus es un prolífico desarrollador y mantenedor de miles de paquetes en npm https://github.com/sindresorhus

🧠 François Chollet es el creador de Keras, la biblioteca de aprendizaje profundo para Python https://github.com/fchollet

🌐 Ryan Dahl diseñó los entornos de ejecución para JavaScript Node.js y Deno https://github.com/ry

🚀 Guillermo Rauch es el fundador de Vercel y creador del framework Next.js https://github.com/rauchg

🍃 Sebastián Ramírez desarrolló FastAPI, el moderno framework web de alto rendimiento para Python https://github.com/tiangolo

🐻 Jeff Dean es el cerebro detrás de la infraestructura de Google y del desarrollo de TensorFlow https://github.com/jeffdean

📦 Tobias Lütke fundó Shopify y es un activo contribuidor a la comunidad de Ruby en GitHub https://github.com/tobi

🧠 Sebastian Raschka es un destacado educador y autor de libros de Machine Learning e Inteligencia Artificial https://github.com/rasbt

🛡️ Feross Aboukhadijeh lidera proyectos clave de seguridad y open source en el ecosistema de JavaScript https://github.com/feross

🎨 Shadcn diseñó la biblioteca de componentes de interfaz de usuario más popular de la web moderna https://github.com/shadcn

☕ James Gosling es el célebre padre del lenguaje de programación Java https://github.com/jgosling

🧪 John Resig es el creador de jQuery, la librería que definió el desarrollo web por más de una década https://github.com/jeresig

☕ Taylor Otwell diseñó Laravel, el framework de desarrollo de aplicaciones web más utilizado en PHP https://github.com/taylorotwell

💡 Rich Harris es el creador del compilador web Svelte y el entorno SvelteKit https://github.com/Rich-Harris

🦀 Brad Fitzpatrick es el creador de memcached y miembro clave del equipo del lenguaje Go en Google https://github.com/bradfitz

🐍 Armin Ronacher diseñó el framework web Flask y es el creador del motor de plantillas Jinja https://github.com/mitsuhiko

🚀 Tom Preston-Werner es el cofundador de GitHub y creador del formato de configuración TOML https://github.com/mojombo

☕ Miško Hevery es el creador original del framework AngularJS y del moderno framework Qwik https://github.com/mhevery

📦 Isaac Z. Schlueter es el creador del gestor de paquetes npm y exlíder del proyecto Node.js https://github.com/isaacs

🔧 Jordan Walke es el ingeniero de software que creó la biblioteca de interfaz de usuario React en Facebook https://github.com/jordwalke

🐳 Solomon Hykes es el fundador de Docker y creador de la tecnología de contenedores modernos https://github.com/shykes

🛠️ Mitchell Hashimoto fundó HashiCorp y creó herramientas de infraestructura esenciales como Vagrant y Terraform https://github.com/mitchellh

⚡ Alexandre Mutel es el autor de las librerías de alto rendimiento para desarrollo de videojuegos en .NET y DirectX https://github.com/xoofx

💻 Chris Lattner creó el lenguaje de programación Swift y la infraestructura de compiladores LLVM https://github.com/lattner

🚀 Max Howell es el creador de Homebrew, el gestor de paquetes estándar para macOS https://github.com/mxcl

🐍 Kenneth Reitz desarrolló Requests, la biblioteca HTTP para Python más utilizada del mundo https://github.com/kennethreitz

☕ Hakim El Hattab diseñó reveal.js, la herramienta líder para crear presentaciones con HTML https://github.com/hakimel

🎨 Jina Anne es la pionera en la creación y estructuración de los Design Systems en la tecnología web https://github.com/jina

🛠️ TJ Holowaychuk fue el desarrollador más prolífico de la era temprana de Node.js y creador de Express https://github.com/tj

📦 John-David Dalton creó Lodash, la biblioteca de utilidades de JavaScript más descargada de la historia https://github.com/jdalton

🦕 Kit Cambridge es un destacado contribuidor al motor JavaScript V8 y especialista en optimización de rendimiento https://github.com/kitcambridge

⚡ Paul Irish es un referente de Google Chrome dedicado al desarrollo de las DevTools y optimización web https://github.com/paulirish

⚡ Guillaume Lample es cofundador de Mistral AI y uno de los principales investigadores en arquitecturas de modelos de lenguaje https://github.com/glample

🌐 Ilya Grigorik fue el estratega de rendimiento web en Google y autor del libro High Performance Browser Networking https://github.com/igrigorik

📦 Guy Bedford diseñó SystemJS y es un pionero en la gestión y especificación de módulos ES en JavaScript https://github.com/guybedford

PAGINA RECOMENDADA

La sección de Tendencias de GitHub ((https://github.com/trending)) es un directorio dinámico diseñado para descubrir qué proyectos de código abierto están capturando el interés inmediato de la comunidad global de desarrolladores. A diferencia de una lista estática de los repositorios más populares de la historia, esta página mide la velocidad de atracción de estrellas (star velocity), es decir, la tasa de crecimiento y aceleración con la que un repositorio acumula interacciones positivas en periodos específicos: diario, semanal o mensual. El algoritmo de GitHub filtra el ruido ponderando los picos de actividad recientes, las contribuciones activas y las bifurcaciones (forks), permitiendo a los usuarios segmentar los resultados por lenguajes de programación específicos para identificar de manera oportuna herramientas emergentes, librerías innovadoras o tendencias tecnológicas disruptivas —como frameworks de inteligencia artificial o utilidades de sistema— antes de que se conviertan en estándares de la industria.

Enlace aquí.

El curso gratuito Comprehensive Rust, desarrollado por el equipo de Android en Google, ofrece una formación integral diseñada para programadores con conocimientos previos en lenguajes estáticos o dinámicos, estructurándose en una fase inicial de cuatro días denominada Fundamentos de Rust y en módulos especializados opcionales sobre Android, Chromium, Bare Metal y Concurrencia. Su diseño curricular asume que el estudiante carece de experiencia previa en este lenguaje, orientando sus objetivos hacia el dominio de la sintaxis básica, la asimilación de la idiomática propia del lenguaje, la gestión de temas avanzados como genéricos y el manejo de errores, y la capacidad de modificar y escribir nuevos programas, excluyendo explícitamente aspectos complejos como el desarrollo de macros. De acuerdo con los criterios metodológicos aplicados (Hernández-Sampieri & Mendoza, 2018), la propuesta pedagógica emplea un enfoque secuencial y comparativo (principalmente con C y C++) para acelerar la comprensión del tipado estático, complementando el proceso de aprendizaje mediante recursos accesibles que incluyen una versión oficial actualizada en formato web, opciones de traducción multiidioma y soporte en formato PDF para el estudio autónomo.

Antes de impartir el curso, te recomendamos hacer lo siguiente:

Familiarízate con el material del curso. Hemos incluido notas del orador para destacar los puntos clave (ayúdanos a añadir más notas de este tipo). Cuando hagas una presentación, asegúrate de abrir las notas del orador en una ventana emergente (haz clic en el enlace que tiene una pequeña flecha junto a “Notas del orador”). De esta manera, tendrás una pantalla despejada para mostrar a la clase.

Enlace aquí. https://google.github.io/comprehensive-rust/es/index.html

G*Power es un software diseñado para realizar análisis de potencia estadística en entornos de investigación, compatible con los sistemas operativos macOS y Windows. Esta herramienta permite calcular la potencia estadística para una amplia variedad de pruebas, como pruebas t, pruebas F, pruebas de chi-cuadrado (χ²), pruebas z y algunas pruebas exactas. Además, G*Power facilita el cálculo de tamaños del efecto y ofrece la capacidad de visualizar gráficamente los resultados de los análisis de potencia, lo que lo convierte en una herramienta valiosa para planificar y evaluar estudios en ciencias sociales, conductuales, biomédicas y otras áreas donde el análisis estadístico es fundamental.

G*Power es un software gratuito para cualquier usuario, incluyendo entornos comerciales, pero su distribución con fines de lucro está prohibida. Se permite el uso de capturas de pantalla sin autorización previa, y su distribución debe realizarse desde la página web oficial, salvo que se solicite permiso explícito a los autores para otros métodos. 

No se ofrecen acuerdos de licencia ni documentación de seguridad, ya que los desarrolladores, al ser investigadores, no disponen de tiempo para estos trámites. El software funciona localmente en Windows y macOS, aunque la versión para Windows requiere bibliotecas de tiempo de ejecución de Microsoft Visual C++, que se descargan automáticamente durante la instalación si no están presentes. La versión actual para Windows (3.1.9.7) es compatible con sistemas desde XP hasta 11, mientras que la versión para macOS (3.1.9.6) está compilada para procesadores Intel y será compatible hasta macOS 28. Se encuentra en desarrollo una versión nativa para Apple Silicon. La instalación en Windows implica descomprimir el archivo ZIP y ejecutar GPowerNT.exe, mientras que en macOS el proceso es directo. No se ofrece garantía alguna.

Enlace descarga: Link

Colabora con G*Power

Si utiliza G*Power en su investigación, agradeceríamos que incluyera una o ambas de las siguientes referencias (según lo que sea apropiado) al programa en los artículos en los que publique sus resultados:

Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: Un programa flexible de análisis de potencia estadística para las ciencias sociales, conductuales y biomédicas. Behavior Research Methods, 39, 175-191. Descargar PDF

Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Análisis de potencia estadística utilizando G*Power 3.1: Pruebas para análisis de correlación y regresión. Behavior Research Methods, 41, 1149-1160. Descargar PDF

Enlace: Guía práctica

Alternativas

R (con paquetes especializados)

R es el entorno más versátil y ampliamente utilizado en el ámbito académico y de investigación. Los paquetes más relevantes para análisis de potencia incluyen:

• pwr: Permite calcular la potencia para pruebas t, chi-cuadrado, ANOVA, correlaciones y regresiones. Es el paquete más básico y accesible para usuarios que buscan una alternativa directa a G*Power.
• WebPower: Diseñado para análisis de potencia en diseños experimentales complejos, como modelos lineales mixtos.
• longpower: Enfocado en modelos lineales mixtos y diseños longitudinales.
• simr: Permite simular datos y estimar la potencia en modelos mixtos, útil para diseños personalizados.
• effectsize: Facilita el cálculo de tamaños del efecto, complementando los análisis de potencia.
• R es gratuito, de código abierto y altamente personalizable, aunque requiere conocimientos básicos de programación.

JASP

JASP es un software estadístico gratuito y de código abierto que incluye un módulo integrado para análisis de potencia. Soporta pruebas t, ANOVA, regresión y chi-cuadrado, entre otras. Su interfaz gráfica es intuitiva y similar a la de SPSS, lo que lo hace accesible para usuarios sin experiencia en programación. Además, JASP está diseñado para ser compatible con otros análisis estadísticos comunes.

Jamovi

Jamovi es otra alternativa gratuita y de código abierto con una interfaz amigable. Incluye módulos para análisis de potencia en pruebas t, ANOVA y regresión. Al igual que JASP, está orientado a usuarios que prefieren una interfaz visual en lugar de programación. Jamovi también permite la integración con R para análisis más avanzados.

OpenEpi (web)

OpenEpi es una plataforma en línea gratuita que ofrece calculadoras de potencia para pruebas estadísticas básicas, como pruebas t, chi-cuadrado y ANOVA. Aunque no es un software descargable, es útil para análisis rápidos y sencillos. Su limitación principal es que no cubre diseños complejos ni ofrece gráficos avanzados.

PS (Power and Sample Size Calculations)

Desarrollado por William D. Dupont y Walton D. Plummer, PS es un software gratuito y de código abierto que se enfoca en análisis de potencia para pruebas comunes en investigación médica y epidemiológica, como pruebas t, ANOVA, regresión logística y tablas de contingencia. Está validado académicamente y es sencillo de usar, aunque su interfaz es menos moderna.

G*Power en R (paquete GPowerR)

El paquete GPowerR en R permite replicar algunas de las funcionalidades de G*Power directamente en el entorno R. Esto es útil para usuarios que ya trabajan con R y desean mantener la coherencia en sus análisis.

Actualizado: 2026- listado de CLI

Los modelos de lenguaje de gran escala (LLM) representan una evolución de los lenguajes de programación convencionales, ya que permiten la interacción mediante lenguaje natural. A través de instrucciones o consultas formuladas por el usuario, estos modelos interpretan el contexto de la solicitud y procesan grandes volúmenes de información para generar respuestas coherentes.

Al recibir un comando, el modelo analiza patrones lingüísticos aprendidos durante su entrenamiento y produce respuestas basadas en el conocimiento contenido en sus datos de aprendizaje. Esta capacidad facilita la realización de tareas como análisis de información, generación de contenido, resolución de consultas y asistencia en procesos de investigación y toma de decisiones.

Aunque estos modelos son altamente avanzados, presentan limitaciones inherentes a su funcionamiento probabilístico y estadístico. En determinadas situaciones, pueden generar respuestas basadas en inferencias o patrones identificados en los datos de entrenamiento, lo que puede dar lugar a información imprecisa o no verificable si no se aplican mecanismos de control adecuados.

Por esta razón, es fundamental delimitar claramente su ámbito de ejecución mediante la definición de parámetros específicos para las entradas y salidas del sistema. La correcta estructuración de los datos de entrada, junto con reglas de validación y restricciones sobre el formato y contenido de las respuestas, permite reducir la generación de información errónea y mejorar la confiabilidad de los resultados obtenidos.

Comandos Avanzados Input para mejorar el resultado de los prompts

- eres un experto en programación

- eres un experto en redacción académica

Comandos avanzados inputs para delimitar la información utilizada

- Responde únicamente con información sustentada en las fuentes académicas.

- Utiliza las siguientes fuentes : Fuente 1, Fuente 2, .....

- Utiliza el siguiente modelo para la respuesta : <<Modelo>> 

Comandos Avanzados Output para mejorar el resultado de los prompts

- Mostrar el resultado en un párrafo de hasta 100 palabras

- Mostrar el resultado en una tabla

- Mostrar en una lista

- Mostrar un resumen y un detalle 

- Validación: Si no existe evidencia suficiente, indica "información no disponible" y cita las fuentes utilizadas.

- Restricciones: No infieras, no supongas, no completes información faltante.

Otra estrategia es aplicar los cambios en fases controladas

- Primero corrige la ortografía del texto

- Segundo dame sugerencias para mejorar la claridad

- Personaliza el texto para ser usado en FACEBOOK, y en un BLOG

Plantillas:

Rol: Actúa como especialista en [área de conocimiento].

Contexto: Utiliza únicamente la información proporcionada o fuentes académicas verificables sobre [tema].

Tarea: Realiza [acción específica].

Formato de salida: Presenta el resultado en [estructura requerida].

Para minimizar alucinaciones, se recomienda añadir dos parámetros adicionales: restricciones y criterios de validación. Las restricciones indican qué no debe hacer el modelo, mientras que la validación obliga a reconocer la ausencia de evidencia cuando corresponda

Las principales inteligencias artificiales disponibles actualmente son:

ChatGPT — Redacción, investigación, programación, análisis de datos e imágenes.

Gemini — Integración con Gmail, Drive, Docs y servicios de Google.

Claude — Especializado en análisis de documentos extensos, investigación y programación.

Microsoft Copilot — Integrado con Microsoft 365, Windows y herramientas empresariales.

Perplexity AI — Motor de búsqueda con respuestas basadas en fuentes verificables.

Grok — IA desarrollada por xAI con integración en la plataforma X.

DeepSeek — Modelo de código abierto orientado a razonamiento y programación.

Meta AI — Asistente de IA integrado en los productos de Meta.

Mistral AI — Modelos abiertos para empresas y desarrolladores.

Gemma — Familia de modelos abiertos desarrollados por Google.

CLI para programar en Terminal

El auge de las interfaces de línea de comandos impulsadas por modelos de lenguaje grande (LLM CLI) ha transformado por completo el desarrollo de software, permitiendo a los ingenieros programar, depurar y gestionar repositorios directamente desde la terminal. Entre las herramientas más destacadas de este ecosistema se encuentran Aider y Plandex, dos soluciones diseñadas para actuar como agentes autónomos de codificación que optimizan el flujo de trabajo técnico. Aider sobresale por su profunda integración con sistemas de control de versiones como Git, facilitando la edición simultánea de múltiples archivos y la automatización de confirmaciones de código con descripciones generadas por inteligencia artificial. Por otro lado, Plandex se posiciona como una opción robustas para tareas complejas y de gran envergadura, permitiendo la creación de planes estructurados que se ejecutan de manera segura en un entorno aislado (sandbox) antes de aplicarse al código de producción.

https://opencode.ai/

Go es una suscripción de bajo coste que te da acceso fiable a modelos de código abierto capaces para programación agéntica.

https://cursor.com/es/cli

Es una suscripción de 20$ para acceder a diversos modelos. 

Listado general de CLI https://github.com/omarabid/cli-llm-coding

 

La plataforma en la nube de rollApp se fundamenta en la premisa de que los usuarios deben poder ejecutar aplicaciones nativas en cualquier dispositivo con capacidad de cómputo razonable, ofreciendo una experiencia prácticamente indistinguible de la ejecución local. Este enfoque aprovecha la flexibilidad inherente de la nube para adaptarse a las necesidades de cada aplicación, ocultando la complejidad técnica al usuario final. Además, la nube elimina las limitaciones tradicionales impuestas por los recursos físicos de los equipos, ya que permite asignar dinámicamente la capacidad necesaria para cada tarea. 

 

El creador de rollApp es Vlad Pavlov CEO y arquitecto principal de la plataforma. 

Dima Malenko figura como cofundador y director tecnológico (CTO)

Permite acceder a diversas aplicaciones en una máquina virtual Linux en la nube. 

 https://www.rollapp.com/apps/education