― Acerca de mí

Soy un Científico de Datos que lleva la IA del cuaderno a producción. Construyo soluciones de extremo a extremo, ETL/ELT, modelado ML/DL, evaluación rigurosa y MLOps liviano, siempre con seguridad y gobernanza en mente. Transformo grandes conjuntos de datos desordenados en productos desplegables, y comunico resultados con dashboards y documentación claros. Disfruto trabajar con equipos multifuncionales y me enfoco en el impacto: mejores decisiones, menor riesgo y ROI visible.

― Habilidades

• Python (NumPy, pandas, scikit-learn, XGBoost, TensorFlow), SQL, Git

• EDA y feature engineering; supervisado/no supervisado; series temporales

• Evaluación y ajuste de modelos (ROC-AUC, F1, RMSE, MAPE; Grid/Random/Bayes)

• ETL/ELT y orquestación (Airflow/Prefect), dbt, Parquet

• APIs y despliegue (FastAPI/Flask, Docker, PostgreSQL)

• Visualización y dashboards (Plotly, Power BI, Tableau)

• Seguridad, privacidad y explicabilidad (gobernanza, SHAP/LIME)

• Mentalidad de producto: definición de problemas, KPIs, ROI, comunicación con stakeholders

— Detección temprana de enfermedades autoinmunes

Analítica predictiva para derivaciones más tempranas y mejores resultados.

• Pipeline end-to-end desde datos clínicos/de laboratorio hasta scoring de riesgo.

• Feature engineering, selección/ajuste de modelos y explicabilidad con SHAP para apoyar a clínicos.

• Resultados expuestos vía API + dashboard para monitoreo y auditorías.

  Stack: Python (pandas, scikit-learn/XGBoost), SQL, Plotly, FastAPI, Docker.

• Experimentos y métricas: calidad de tareas, recuerdo, dependencia y tiempo en tarea.

• NLP y modelado estadístico para seguir efectos por uso repetido de IA.

• Intervenciones: prompting playbooks, repaso espaciado y guías para recuperar la independencia.

  Stack: Python, transformers, notebooks, Streamlit/Flask, analítica con preservación de privacidad.

— Medición y mitigación de la deuda cognitiva por uso de IA

Marco human-in-the-loop para cuantificar y reducir la carga cognitiva inducida por la IA.

Proyectos Destacados

— Estimación de densidad de multitudes con visión por computador

Densidad de personas en tiempo real para espacios más seguros e inteligentes.

• Curación/etiquetado de video y entrenamiento de modelos CNN de densidad.

• Heatmaps y alertas por umbral; inferencia optimizada para edge/server.

• API para integrar con dashboards y sistemas de alertas.

  Stack: Python, PyTorch/TensorFlow, OpenCV, YOLO/DeepSort, Flask API.