print("PyDay")

Acreditaciones, recepción de asistentes, entrega de identificadores y espacio de bienvenida antes del inicio de las charlas.

Apertura oficial de PyDay Uruguay 2026. Palabras de bienvenida, agenda de la jornada y anuncios generales.

¿Qué hace que un agente de IA sea eficaz: un mejor modelo, las herramientas adecuadas, habilidades especializadas, más contexto, subagentes o un ciclo de verificación?

En esta charla interactiva, cada participante recibe un presupuesto limitado y puja en una subasta en vivo por los componentes necesarios para construir el sistema que rodea a un agente de IA, conocido como harness. Luego, cada persona confirma su combinación y observa cómo se enfrenta a una serie de pruebas controladas que evalúan la corrección de las soluciones, las regresiones, la ejecución segura, la velocidad y el costo, hasta descubrir la combinación ganadora. A partir de los resultados, exploraremos qué componentes mejoran realmente a un agente, cuáles solo agregan costo y complejidad, y por qué el sistema que rodea a un modelo de lenguaje puede importar tanto como el propio modelo.

Django es uno de los frameworks web escritos en Python más usados y, después de más de 20 años, sigue teniendo una comunidad enorme y muy activa.

La Django Software Foundation tiene un programa de Fellows que financia a personas para trabajar en Django y en su comunidad. En esta charla voy a contar cómo funciona el programa, qué hacemos los Fellows en el día a día y qué tipo de trabajo implica mantener un proyecto open source maduro y saludable.

También voy a compartir algunas de las cosas que fui aprendiendo durante estos años trabajando como Fellow, y mostrar que mantener open source no es solamente escribir código: hay mucho trabajo detrás de escena que hace posible que el resto de la comunidad pueda construir sobre el proyecto.

La Visión por Computadora ha evolucionado rápidamente con la llegada de la IA Generativa, los LLMs y los modelos multimodales, abriendo la posibilidad de ir mucho más allá de las tareas tradicionales de clasificación y detección de objetos basadas en CNNs.

En esta charla exploraremos cómo tecnologías como los Vision Transformers, los Vision-Language Models y los modelos generativos están redefiniendo la manera en que las máquinas interpretan imágenes y escenas, permitiéndoles relacionar información visual con lenguaje, comprender contextos y razonar sobre lo que observan. Revisaremos además casos de uso reales y actuales, y analizaremos cómo esta evolución está acercando a los sistemas de visión artificial hacia una comprensión del entorno cada vez más rica y similar a la humana.

Pausa para recargar energías, compartir café y bocados, y conectar con la comunidad y los sponsors.

Charlas relámpago de 10 minutos sobre proyectos, ideas, trucos o experiencias de la comunidad.

• 5 cosas que podés automatizar hoy con Python si sos DevOps - Carolina Herrera
• ¿Tenés inversiones o tenés una estrategia? - Valeria Chulian
• Aprender en tiempos de ruido - Riccardo Inojosa
• Usando Python para analizar fútbol - Matías Bordese

Todos escuchamos que ""el GIL no deja usar varios cores"". Menos gente sabe que el GIL se puede soltar, que NumPy lo hace todo el tiempo y que el lugar donde eso ocurre es el borde entre Python y C.

Esta charla es sobre ese borde. Primero, qué protege realmente el GIL y por qué existe. Después, cómo se suelta y se recupera cuando llamás a código nativo. Y acá viene lo interesante: cada herramienta lo hace de forma distinta.

ctypes lo suelta solo, sin que se lo pidas, salvo en un caso que existe justamente para no hacerlo. Cython te obliga a marcar la región y detecta en compilación buena parte de lo que no es seguro. pybind11 y nanobind te dejan pedirlo y confían en vos.

Porque hay un contrato: mientras el GIL está suelto, no podés usar la API de C de Python ni manipular objetos de Python. Vamos a ver algunos ejemplos prácticos de cómo romper ese contrato. Salís entendiendo qué es realmente el GIL, cómo se gestiona al llamar a C y por qué el free-threading no hace desaparecer el problema: quitar el GIL elimina un mecanismo de sincronización, no la necesidad de sincronizar.

Usas Cursor para iterar rápido, Claude Code para refactoring en terminal, Kiro para estructurar con specs, pero cada vez que cambias de IDE la IA te pregunta todo de nuevo porque tu contexto se queda atrapado en una sola herramienta. En esta charla construimos juntos un Context Harness en Python: un CLI que ingesta errores y diffs de tu proyecto, orquesta ese contexto con un modelo local o en la nube, lo reduce entre 44-96%, y genera un bundle portable que cualquier IDE puede consumir. Capa por capa, vas a entender cómo armarlo para tu propio flujo de trabajo.

Agradecimientos y cierre del evento.