Portfolio profesional
Data | Machine Learning | Cloud | Deep Learning | Inteligencia Artificial aplicada
Enfoque orientado a problemas reales, especialmente en entornos donde la precisión y la toma de decisiones tienen impacto directo.
Desarrollo soluciones basadas en datos, modelos predictivos y despliegues cloud orientados a problemas reales.
Profesional en desarrollo de proyectos informáticos con experiencia en la gestión integral de soluciones tecnológicas: toma de requisitos, implementación, formación a usuarios y mantenimiento posterior.
Actualmente enfocado en Data Engineering, Cloud, Machine Learning e Inteligencia Artificial, con especial interés en proyectos aplicados a problemas reales.
Data Engineering, Cloud, Machine Learning e Inteligencia Artificial.
Gestión de proyectos informáticos, implantación, formación y soporte.
Python, análisis de datos, modelos predictivos, GitHub y despliegue cloud.
Perfil híbrido entre parte técnica, gestión de proyectos y comunicación con usuarios.
Experiencia en la gestión integral de soluciones tecnológicas, participando en fases de análisis, toma de requisitos, implementación, formación a usuarios y mantenimiento posterior.
Perfil orientado a conectar la parte técnica con las necesidades reales del usuario, cuidando tanto la funcionalidad de la solución como su adopción práctica.
Limpieza, análisis, normalización y preparación de datasets.
Modelos supervisados, evaluación de métricas y optimización de resultados.
Despliegue de aplicaciones web y servicios en entornos cloud.
Python, GitHub, Cloudflare Pages, WordPress y documentación técnica.
Formación orientada a inteligencia artificial, machine learning, deep learning, análisis de datos y aplicación práctica de modelos.
Desarrollo de un proyecto práctico de machine learning aplicado a predicción clínica mediante modelos supervisados.
Certificaciones verificables en áreas relacionadas con data, inteligencia artificial, cloud y herramientas tecnológicas.
Ver credencialesCaso práctico enfocado a la detección temprana en entorno clínico.
Desarrollo de un sistema de clasificación basado en machine learning utilizando el dataset Wisconsin Breast Cancer Diagnostic, con el objetivo de predecir la presencia de tumores malignos o benignos.
Optimizar el modelo para priorizar la reducción de falsos negativos, mejorando la sensibilidad (recall) en un contexto donde el impacto de error es crítico.
Python, pandas, NumPy, scikit-learn, análisis estadístico y evaluación de modelos.
Proyecto de Machine Learning aplicado a diagnóstico clínico, centrado en la optimización de modelos mediante ajuste de métricas, selección de algoritmos y calibración de umbrales de decisión.
El modelo alcanza métricas cercanas a AUC 1.0 y permite eliminar falsos negativos mediante optimización del threshold, priorizando la detección temprana.
Además, se incorpora un segundo proyecto de Deep Learning basado en visión artificial para detección de fracturas en radiografías mediante redes neuronales convolucionales.
Ver memoria del proyectoProyecto orientado a diagnóstico clínico con evaluación comparativa de modelos y optimización de métricas para entorno real.
Tecnologías: Python, scikit-learn, análisis de datos, métricas ML
Ver detalleClasificación de radiografías mediante redes neuronales convolucionales con enfoque en visión artificial aplicada.
Tecnologías: PyTorch, CNN, Computer Vision
Ver memoriaDesarrollo y despliegue de esta web personal usando GitHub y Cloudflare Pages, con dominio propio y publicación automatizada.
Tecnologías: HTML, CSS, GitHub, Cloudflare Pages
Ver arquitecturaFormación verificable en áreas relacionadas con data, inteligencia artificial y tecnologías cloud.
Plataforma: IBM Skills / Credly
Ver credencialesFormación complementaria y credenciales verificables en IBM/Credly relacionadas con data, inteligencia artificial y tecnologías cloud.
Mi objetivo es desarrollar soluciones basadas en datos que no se limiten a obtener buenos resultados técnicos, sino que puedan aplicarse a problemas reales con criterios de utilidad, trazabilidad y mejora continua.
Este portfolio recoge una evolución práctica: desde el análisis y preparación de datos hasta el entrenamiento de modelos, evaluación de resultados, documentación técnica y despliegue en cloud.
Data · Machine Learning · Deep Learning · Cloud · IA aplicada
Ver Área técnica