Proyectos
Ciencia de Datos - Predicción de Accidentes
Proyecto orientado a identificar patrones de riesgo y predecir la probabilidad de accidentes utilizando técnicas avanzadas de ciencia de datos y machine learning. El trabajo incluye limpieza y normalización de datos, análisis exploratorio profundo, ingeniería de características basada en factores humanos, ambientales y operativos, y construcción de modelos predictivos capaces de anticipar incidentes con alta precisión. El objetivo principal es apoyar la toma de decisiones preventivas mediante modelos que permiten priorizar alertas, optimizar recursos de seguridad y reducir eventos críticos. Este proyecto demuestra mi capacidad para transformar datos complejos en información accionable y desarrollar soluciones que aportan valor real en contextos de seguridad y prevención de riesgos.
Dashboard Power BI - Análisis de Talento Humano
Análisis orientado al área de Talento Humano para identificar patrones de deserción, evaluando factores como antigüedad, satisfacción laboral, desempeño y otras variables internas.
Dashboard Power BI - Ingresos en Veterinaria
Reporte sobre ingresos según tratamientos, esterilización y servicios. Permite visualizar cómo afectan estos factores al rendimiento económico.
Ciencia de Datos - Predicción de Sobrevivientes del Titanic
Proyecto de ciencia de datos enfocado en construir varios modelos avanzados capaces de predecir la probabilidad de supervivencia de los pasajeros del Titanic. Incluye un pipeline completo: análisis exploratorio, limpieza de datos, ingeniería de características y modelado con XGBoost, logrando un rendimiento altamente estable mediante validación cruzada (RMSE ≈ 0.056). La imagen a continuación muestra el top mejores modelos encontrados para este problema y las características más relevantes para sobrevivir. Aquí descata el título con casi un 60% de influencia en si una persona hubiera sobrevivido o no.
Proyecto de IA - Compañero programador local (LLM)
LLM local optimizada para programación. Utilizada como herramienta clave en IEEE Xtreme 19.0, mostrando su utilidad bajo presión de tiempo.
Proyecto de IA - IA generadora de gatitos
Proyecto basado en ProGAN. Entrenamiento desde cero explorando arquitectura generativa. Resultados prometedores limitados por hardware.
Participación en IEEEXtreme 19.0
Resolución de todos los problemas de la competencia IEEEXtreme 19.0 (24 horas). Uso de Python, C y C++. Competencia usualmente en equipos de 3, realizada de forma individual.
