-
Data Science & Machine Learning: Diseño y despliego modelos End-to-End de Pricing, Scoring y Churn, optimizando la rentabilidad mediante el análisis de elasticidad y comportamiento del cliente.
-
IA Generativa & Agentes: Especialista en orquestar arquitecturas de Agentes Inteligentes con LangGraph y sistemas RAG, garantizando trazabilidad total con LangSmith para resolver lógica de negocio compleja.
-
Big Data a Escala: Experto en el procesamiento distribuido de grandes volúmenes de datos utilizando PySpark y Databricks para el entrenamiento y despliegue de modelos de alta disponibilidad.
-
Productivización & MLOps: Implemento flujos automatizados de CI/CD y monitoreo de Data Drift en entornos AWS (SageMaker) y Azure ML, reduciendo el Time-to-Market de soluciones analíticas.
| Proyecto | Descripción | Tech Stack |
|---|---|---|
| Insurance Pricing Engine | Predicción de siniestralidad y optimización de primas usando XGBoost con distribución Tweedie. Análisis de métricas Gini y Lift charts. | Python, XGBoost, Pandas, Scikit-learn |
| Multi-Agent RAG System | Orquestación de agentes inteligentes con LangGraph para resolver lógica de negocio compleja, con trazabilidad en LangSmith. | LangChain, LangGraph, OpenAI, ChromaDB |
| End-to-End Big Data Pipeline | Arquitectura en Azure para procesamiento distribuido con Databricks (PySpark) desde ADLS Gen2 hasta Power BI. | PySpark, Databricks, Azure, Power BI |
| Interactive Data Viz Dashboard | Visualización de archivos Parquet (+150MB) en Next.js consumiendo de AWS S3 mediante DuckDB-Wasm para cómputo en cliente. | Next.js, DuckDB, AWS S3, Tailwind |
| Unified Pricing Scraper | Pipeline de recolección de datos de competencia y estructuración en base de datos unificada para análisis de mercado. | Python, Selenium, PostgreSQL, Docker |
Especialización: Arquitecturas de Agentes (LangGraph) | MLOps E2E | Big Data (PySpark & Databricks).
