Una afinidad que se explica
Cada porcentaje se desglosa por habilidad: Machine Learning al 40% porque, aunque no lo tienes, sabes IA generativa, que es muy parecida.
Prácticas profesionales para estudiantes de Guadalajara: qué tanto encajas con cada vacante, habilidad por habilidad, y qué te falta aprender.
RECORRIDO · L5 Ciudad · 2 estaciones
Jalisk reúne vacantes de internship tech de la Zona Metropolitana de Guadalajara, calcula qué tanto encaja cada estudiante con cada una, habilidad por habilidad, y le arma una ruta de estudio para cerrar la brecha.
El score lo calcula PostgreSQL, no la IA. Cada requisito tiene un grado de pertenencia entre 0 y 1 (nivel parcial, tecnología hermana, equivalente semántico con pgvector), y la recomendación final sale de una inferencia difusa Mamdani. Así es reproducible y se puede explicar: "tienes 67% porque te falta PostgreSQL Intermedio". Claude solo convierte texto libre en datos y redacta.
En PL/pgSQL, ese motor tardaba 26.3 s sobre 20,000 filas. Escrito en Rust y cargado como extensión de PostgreSQL con pgrx, tarda 86 ms, con resultados idénticos. La app corre en Rust con Axum y SQLx, usa RLS para que nadie lea los datos de otro y se despliega sola a jalisk.lat, con regreso automático a la versión anterior si algo falla.
Encontrar una internship en Guadalajara hoy es toda una aventura. Yo ya la pasé: desde inicios de año quería entrar a Intel, y hasta me hice un roadmap con lo que sabía y lo que me faltaba. Si a mí me sirvió, ¿por qué no a los demás?
El proyecto era para Bases de Datos y la idea fue mía. Me enfoqué en la ZMG porque aquí está la mayoría de las empresas tech, y porque así la base no tiene que cargar miles de ofertas de todo el mundo. A veces limitar el alcance no es falta de ambición: es optimización.
Se llamaba TechHub, pero ese dominio costaba 30 dólares y jalisk.lat costaba 2. No tuvimos elección. El proyecto lo construyo yo; XomiDessu, mi compañero de equipo, lo presenta.
Lo hicieron agentes, con una sola misión de mi parte: esto tiene que correr en Rust y tiene que ser rapidísimo. Así terminó el motor difuso viviendo dentro de PostgreSQL, 300 veces más rápido que en SQL.
El profe tiene un sistema raro para las tareas. Ya se rindió con la IA, así que le pides la tarea a dos IAs con el mismo prompt, pegas las respuestas y al final pones tus conclusiones. Las tareas son la base del proyecto y no se pueden quitar, pero nadie las ha leído, ni el profe; una llegó a 100 páginas. Viven en el repo, en una carpeta llamada ai-slop-nobody-reads-but-keeps-the-project-alive.
Ya tenemos las bases y las pruebas pasan, pero no sabemos si funciona de verdad. Faltan usuarios, y el permiso de empresas como Intel para usar sus sistemas de ofertas. La idea es que lo usen los estudiantes del CUCEI, aunque eso sigue en veremos.
Cada porcentaje se desglosa por habilidad: Machine Learning al 40% porque, aunque no lo tienes, sabes IA generativa, que es muy parecida.
Los pasos salen en orden de prerrequisitos. Al marcar uno como completado, un trigger sube tu nivel y tu afinidad.
La inferencia difusa como extensión en Rust: 307 veces más rápida que en PL/pgSQL, con los mismos resultados fila por fila.
Aunque la app tuviera un bug, la base no devuelve filas de otro estudiante. La analítica pública usa un rol de solo lectura.