Translating complex data into structured
and scalable architectures.

Brecha de Género
DATA ENGINEERINGSTREAMLIT

Brecha de Género

north_east

Análisis de datos de la ENOE para estudiar la desigualdad salarial en mujeres en etapa de menopausia. Proceso de recolección, limpieza con Pandas y winsorización de datos, desplegando un dashboard interactivo en Streamlit.

Predictive Churn Model
ANALYTICS & ML

Predictive Churn Model

north_east

Desarrollo y entrenamiento de modelos predictivos supervisados basados en árboles de decisión (XGBoost) para la detección temprana de anomalías y tasas de abandono de usuarios.

Nexus Container Cluster
MLOPS / DEVOPS

Nexus Container Cluster

north_east

Contenedorización e integración de flujos de trabajo de Machine Learning mediante arquitecturas integradas con Docker y entornos de despliegue continuo en la nube.

Archiv Schema Optim
SYSTEMS ENGINEERING

Archiv Schema Optim

north_east

Auditoría y refactorización de esquemas relacionales PostgreSQL complejos, aplicando estrategias avanzadas de indexación y particionamiento.

Nexus Container Cluster
MLOPS / DEVOPS

Nexus Container Cluster

north_east

Contenedorización e integración de flujos de trabajo de Machine Learning mediante arquitecturas integradas con Docker y entornos de despliegue continuo en la nube.

PROYECTOS E INVESTIGACIONES DE DATOS

01

Aethel Engine

2025 — DATA SCIENCE

arrow_back

Visión General del Proyecto

Diseño y automatización de pipelines ETL encargados de limpiar, normalizar e inyectar flujos masivos de eventos distribuidos directamente a data lakes analíticos en tiempo real.

MÉTRICAS Y DETALLES
  • Stack: Python, PostgreSQL, Apache Airflow, Docker
  • Indicador / Logro: Optimización del procesamiento reduciendo en un 35% los tiempos muertos de análisis.
02

Predictive Churn Model

2024 — MACHINE LEARNING

arrow_back

Visión General del Proyecto

Construcción y ajuste de un modelo analítico supervisado basado en árboles de decisión para predecir tasas de abandono de usuarios, procesando comportamientos de navegación históricos.

MÉTRICAS Y DETALLES
  • Stack: Scikit-Learn, Pandas, XGBoost
  • Indicador / Logro: El modelo alcanzó un 91% de acierto (F1-Score) en ambientes de validación.
03

Rueda de sputnik

2024 — DATA BASES/SQL

arrow_back

Visión General del Proyecto

Construcción y ajuste de un modelo analítico supervisado basado en árboles de decisión para predecir tasas de abandono de usuarios, procesando comportamientos de navegación históricos.

MÉTRICAS Y DETALLES
  • Stack: Scikit-Learn, Pandas, XGBoost
  • Indicador / Logro: El modelo alcanzó un 91% de acierto (F1-Score) en ambientes de validación.
04

Predictive Churn Model

2024 — IA

arrow_back

Visión General del Proyecto

Construcción y ajuste de un modelo analítico supervisado basado en árboles de decisión para predecir tasas de abandono de usuarios, procesando comportamientos de navegación históricos.

MÉTRICAS Y DETALLES
  • Stack: Scikit-Learn, Pandas, XGBoost
  • Indicador / Logro: El modelo alcanzó un 91% de acierto (F1-Score) en ambientes de validación.
05

Predictive Churn Model

2024 — BIG DATA

arrow_back

Visión General del Proyecto

Construcción y ajuste de un modelo analítico supervisado basado en árboles de decisión para predecir tasas de abandono de usuarios, procesando comportamientos de navegación históricos.

MÉTRICAS Y DETALLES
  • Stack: Scikit-Learn, Pandas, XGBoost
  • Indicador / Logro: El modelo alcanzó un 91% de acierto (F1-Score) en ambientes de validación.